【摘要】：隨著大量數(shù)據(jù)的產(chǎn)生,人類逐步邁進(jìn)了大數(shù)據(jù)時(shí)代,并隨之產(chǎn)生了一系列新的事物,云計(jì)算就是其中之一。云計(jì)算的產(chǎn)生和發(fā)展更新了海量數(shù)據(jù)新的處理方式,使得數(shù)據(jù)的處理更加高效和便捷。云計(jì)算使得計(jì)算機(jī)軟硬件成為了和社會(huì)公共基礎(chǔ)設(shè)施一樣的資源,為人類提供基礎(chǔ)服務(wù)。如何對(duì)這些資源進(jìn)行合理的調(diào)度,成為了云計(jì)算數(shù)據(jù)處理中心的一個(gè)難題。云計(jì)算數(shù)據(jù)處理中心的任務(wù)調(diào)度策略是整個(gè)云計(jì)算過(guò)程的關(guān)鍵。本文針對(duì)云環(huán)境下的數(shù)據(jù)中心的任務(wù)調(diào)度策略,以粒子群算法為研究對(duì)象的手段,對(duì)任務(wù)調(diào)度和粒子群算法進(jìn)行深入的研究,并對(duì)粒子群算法進(jìn)行改進(jìn),將改進(jìn)的算法應(yīng)用于云環(huán)境下的任務(wù)調(diào)度中。針對(duì)標(biāo)準(zhǔn)粒子群算法在初始化粒子時(shí)只是隨機(jī)生成,不能確保粒子均勻分布在搜索空間,本文在初始化時(shí)對(duì)粒子個(gè)體最初的位置和速度實(shí)行混沌序列設(shè)置,使初始化時(shí)粒子可以更加均勻的分布在解空間中�？紤]粒子在迭代后期會(huì)出現(xiàn)早熟和粒子多樣性減少等不足,為了增強(qiáng)粒子的全局尋優(yōu)能力,在粒子的速度更新公式中加入了粒子重心的概念。最后通過(guò)CloudSim仿真器測(cè)試驗(yàn)證,實(shí)驗(yàn)結(jié)果表明本文算法能較好的獲得調(diào)度結(jié)果且收斂速度較快。在解決實(shí)際的具體問(wèn)題時(shí),大多數(shù)問(wèn)題都需要考慮多個(gè)目標(biāo)的,需要對(duì)多個(gè)目標(biāo)進(jìn)行合理的優(yōu)化處理,在多個(gè)目標(biāo)之間權(quán)衡優(yōu)化。本文對(duì)多目標(biāo)粒子群算法進(jìn)行了深入的研究,將其應(yīng)用于云環(huán)境下多目標(biāo)任務(wù)調(diào)度中。在云環(huán)境下的實(shí)際應(yīng)用中,除了要關(guān)心任務(wù)總完成時(shí)間外,任務(wù)總成本也是需要重點(diǎn)考慮的因素之一。本文同時(shí)對(duì)總完成時(shí)間和總完成成本兩個(gè)目標(biāo)進(jìn)行研究。實(shí)驗(yàn)結(jié)果表明,通過(guò)多目標(biāo)粒子群算法優(yōu)化處理最終能夠得到一組最優(yōu)解集供調(diào)度選擇。
【圖文】：

.1 云計(jì)算任務(wù)調(diào)度概述在云計(jì)算系統(tǒng)中,任務(wù)調(diào)度系統(tǒng)作為其重要的組成部分在提升云計(jì)算效率、提高用戶的驗(yàn)度和云服務(wù)商的效益具有十分關(guān)鍵的作用。在任務(wù)調(diào)度系統(tǒng)中，調(diào)度算法作為調(diào)度系統(tǒng)核心，在提高調(diào)度系統(tǒng)的效率和功能具有不可替代的作用。任務(wù)調(diào)度系統(tǒng)負(fù)責(zé)用戶提交的務(wù)的收集，然后在調(diào)度虛擬機(jī)進(jìn)行對(duì)用戶的任務(wù)進(jìn)行處理，以達(dá)到用戶滿意和云服務(wù)商經(jīng)最大化為目的。云計(jì)算的任務(wù)調(diào)度最主要的是用戶提交的任務(wù)要與很多個(gè)計(jì)算節(jié)點(diǎn)相對(duì)應(yīng)，在這樣一個(gè)程中還得考慮很多的因素，其中最為關(guān)鍵的是任務(wù)完成的總時(shí)間，，資源的使用成效，而且得滿足用戶的整體要求。在這些的要求中，最為關(guān)鍵的是完成任務(wù)的總時(shí)間。為了克服這總完成時(shí)間的課題，廣大的科研工作者做了很多的工作，取得了一系列的研究成果。最廣的是應(yīng)用各種群體智能算法在其中，對(duì)算法的各種改進(jìn)以達(dá)到最優(yōu)的效果。云環(huán)境下任務(wù)調(diào)度模型如圖 3.1

圖 3.2 差分進(jìn)化算法流程圖物進(jìn)化論理論的以自然選擇和遺傳學(xué)機(jī)理的為啟本思想是通過(guò)選擇、交叉、變異操作進(jìn)行個(gè)體進(jìn)化最優(yōu)解。遺傳算法在尋優(yōu)求解過(guò)程中，具有非常強(qiáng)大、自適應(yīng)改變值的和自主學(xué)習(xí)的特性，采用以概率行動(dòng)態(tài)調(diào)整算法控制參數(shù)，使得算法具有動(dòng)態(tài)自適容易陷入早熟。然而遺傳算法在對(duì)算法的精度的衡度等方面的性能，暫時(shí)還沒(méi)有行之有效的定量和定還在試驗(yàn)階段，不能很明確的使用數(shù)學(xué)語(yǔ)言來(lái)表達(dá)
【學(xué)位授予單位】：北方民族大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TP18;TP3

【參考文獻(xiàn)】

相關(guān)期刊論文 前9條

1 羅亮;吳文峻;張飛;;面向云計(jì)算數(shù)據(jù)中心的能耗建模方法[J];軟件學(xué)報(bào);2014年07期

2 胡旺;Gary G. YEN;張?chǎng)?;基于Pareto熵的多目標(biāo)粒子群優(yōu)化算法[J];軟件學(xué)報(bào);2014年05期

3 王波;張曉磊;;基于粒子群遺傳算法的云計(jì)算任務(wù)調(diào)度研究[J];計(jì)算機(jī)工程與應(yīng)用;2015年06期

4 封良良;張?zhí)?賈振紅;夏曉燕;覃錫忠;;云計(jì)算環(huán)境下基于改進(jìn)粒子群的任務(wù)調(diào)度算法[J];計(jì)算機(jī)工程;2013年05期

5 劉衍民;牛奔;趙慶禎;;基于交叉和變異的多目標(biāo)粒子群算法[J];計(jì)算機(jī)應(yīng)用;2011年01期

6 劉玲;鐘偉民;錢鋒;;改進(jìn)的混沌粒子群優(yōu)化算法[J];華東理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年02期

7 高雷阜;劉旭旺;;一種基于混沌的自適應(yīng)粒子群全局優(yōu)化方法[J];計(jì)算機(jī)工程與應(yīng)用;2010年03期

8 華夏渝;鄭駿;胡文心;;基于云計(jì)算環(huán)境的蟻群優(yōu)化計(jì)算資源分配算法[J];華東師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年01期

9 孫艷霞;王增會(huì);陳增強(qiáng);齊國(guó)元;;混沌粒子群優(yōu)化及其分析[J];系統(tǒng)仿真學(xué)報(bào);2008年21期

本文編號(hào)：2669964