【摘要】：云計算是信息技術(shù)發(fā)展和服務(wù)模式創(chuàng)新的集中體現(xiàn),為大數(shù)據(jù)、物聯(lián)網(wǎng)、人工智能等新興領(lǐng)域的發(fā)展提供基礎(chǔ)支持。但云平臺要處理海量的任務(wù)請求,如何對任務(wù)進行合理的調(diào)度,滿足任務(wù)需求,是云計算發(fā)展過程中一個迫切需要解決的問題。本文將共生演算法進行改進并應(yīng)用到云計算任務(wù)調(diào)度領(lǐng)域,完善現(xiàn)有調(diào)度算法存在的一些缺陷,主要研究內(nèi)容如下:(1)為使共生演算法(SOS)在處理任務(wù)調(diào)度問題時性能更優(yōu),首先對其進行改進:1)將考慮潛在解操作和改進旋轉(zhuǎn)學習操作引入共生演算法,提出針對獨立任務(wù)調(diào)度的改進算法(GISOS);2)通過設(shè)計種群差異度計算方式,依此通過反饋方式引導算法進入趨向?qū)W習、交叉學習和變異操作,提出針對工作流任務(wù)調(diào)度的改進算法(RQSOS)。通過數(shù)值試驗對比證明改進算法的性能提升。(2)針對云環(huán)境中的獨立任務(wù)調(diào)度問題,以提升云計算系統(tǒng)性能和用戶滿意度為目標,通過將GISOS算法的編碼進行合理化處理,對資源和任務(wù)的聚類、改進驅(qū)動模型等操作,提出一種基于聚類和改進共生算法的云計算任務(wù)調(diào)度策略(FIDSOS),并通過對比試驗證明算法有效性。(3)針對云環(huán)境中工作流任務(wù)調(diào)度問題,以減小完工時間和降低資源使用費用為目標設(shè)計調(diào)度算法。首先為使RQSOS算法適用于離散問題,對其編碼進行改進,然后對工作流任務(wù)分配優(yōu)先級,并重新設(shè)計適應(yīng)度函數(shù)等操作,給出一種適用于云環(huán)境中的工作流任務(wù)調(diào)度問題的調(diào)度策略,實驗結(jié)果表明算法能夠降低完工時間和使用花費。綜上所述,本文對共生演算法進行改進,提升了共生演算法處理復雜問題的能力。通過對不同類型任務(wù)的調(diào)度問題進行分析,構(gòu)造適合的驅(qū)動模型,將改進算法應(yīng)用于任務(wù)調(diào)度問題,并進行仿真實驗,實驗結(jié)果表明所提算法有效。
【學位授予單位】：河北大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：TP3
【圖文】：

第 2 章 相關(guān)研究基礎(chǔ)第 2 章 相關(guān)研究基礎(chǔ)2.1 云計算體系結(jié)構(gòu)云計算服務(wù)包括基礎(chǔ)設(shè)施即服務(wù)（IaaS）、平臺即服務(wù)（PaaS）和軟件即服務(wù)（SaaS[46]。云計算通過粒化系統(tǒng)中的資源，使用戶能夠最大限度地訪問云中數(shù)據(jù)、解決海量數(shù)據(jù)的計算和存儲問題、使用云中的應(yīng)用，這極大依賴于任務(wù)的有效調(diào)度和資源管理。云計算總體由物理資源層、資源池層、管理中間件層和 SOA 構(gòu)建層構(gòu)成，如圖 1 所示：

[49]。圖2簡潔的描述了云任務(wù)調(diào)度模塊的主要框架，本節(jié)將任務(wù)調(diào)度模塊分為三個階段：1）任務(wù)處理階段，依據(jù) Map/Reduce 模式的 Map 函數(shù)將用戶任務(wù)劃分為多個子任務(wù)以便調(diào)度處理，劃分后的子任務(wù)可看做兩類任務(wù)，即具有約束關(guān)系的任務(wù)和無約束關(guān)系的任務(wù)；2）任務(wù)調(diào)度階段，參考 Reduce 函數(shù)，依據(jù)特定的調(diào)度策略，將劃分后的子任務(wù)分配給云環(huán)境中的虛擬資源（Woeker），應(yīng)盡量使得任務(wù)占用資源時間較短、資源利用率較高和任務(wù)完質(zhì)量較高；3）虛擬資源與物理資源的匹配階段，此階段對物理資源進行分區(qū)、分配 ID

圖 3 共生演算法操作流程圖算法中，Xi是生態(tài)系統(tǒng)中第 i 體 Xi相互作用的個體。因此 X Xrand0, 1*XMutuwibest Xrand0, 1*XMutujbest _iMutual Vector X X的隨機數(shù)，BF1和 BF2取值為表全部受益。式（3）代表一種當新進化個體優(yōu)于當前個體是種群中被隨機選擇與 Xi相互另一方既不受益也不受傷害不受益，也不受到傷害。Xinew

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 劉會超;吳志健;;基于旋轉(zhuǎn)學習機制的差分演化算法[J];電子學報;2015年10期

2 吳國芳;;云環(huán)境中基于布谷鳥搜索算法的多目標任務(wù)調(diào)度方案[J];計算機應(yīng)用研究;2015年09期

3 申倩;許美玉;姜春茂;;云計算環(huán)境下任務(wù)調(diào)度研究綜述[J];智能計算機與應(yīng)用;2014年06期

4 鄧見光;趙躍龍;袁華強;劉霖;;一種成本驅(qū)動的云計算任務(wù)調(diào)度策略[J];江蘇大學學報(自然科學版);2014年02期

5 王娟;李飛;張路橋;;PSO應(yīng)用于QoS偏好感知的云存儲任務(wù)調(diào)度[J];通信學報;2014年03期

6 周新宇;吳志健;王暉;李康順;張浩宇;;一種精英反向?qū)W習的粒子群優(yōu)化算法[J];電子學報;2013年08期

7 怓鳴;陳俊杰;強彥;;基于模擬退火的Map Reduce調(diào)度算法[J];計算機工程;2012年19期

8 李文娟;張啟飛;平玲娣;潘雪增;;基于模糊聚類的云任務(wù)調(diào)度算法[J];通信學報;2012年03期

9 劉少偉;孔令梅;任開軍;宋君強;鄧科峰;冷洪澤;;云環(huán)境下優(yōu)化科學工作流執(zhí)行性能的兩階段數(shù)據(jù)放置與任務(wù)調(diào)度策略[J];計算機學報;2011年11期

10 羅軍舟;金嘉暉;宋愛波;東方;;云計算:體系架構(gòu)與關(guān)鍵技術(shù)[J];通信學報;2011年07期

中國碩士學位論文全文數(shù)據(jù)庫 前2條

1 劉曉丹;基于生物共生演算法的云任務(wù)調(diào)度研究[D];河北大學;2017年

2 陳潔;合作協(xié)同進化算法的改進及其在云計算任務(wù)調(diào)度中的應(yīng)用研究[D];華南理工大學;2015年

本文編號：2754425