發(fā)布時(shí)間：2020-11-11 17:04

　　 任務(wù)調(diào)度作為云計(jì)算的核心技術(shù),在云計(jì)算處理任務(wù)的過(guò)程中,任務(wù)調(diào)度是不可避免的重要環(huán)節(jié)之一,因此,優(yōu)化任務(wù)調(diào)度機(jī)制是強(qiáng)化云計(jì)算綜合性能的重要方法。為了更有效地改善云計(jì)算的服務(wù)性能,不少學(xué)者針對(duì)云計(jì)算中的任務(wù)調(diào)度機(jī)制所遇到的問(wèn)題展開了研究。蟻群算法(Ant Colony Optimization,ACO)作為一種全局優(yōu)化算法,具有分布性、隨機(jī)性、反饋性等特點(diǎn),在云環(huán)境中利用蟻群算法的特點(diǎn)能夠有效的處理任務(wù)調(diào)度機(jī)制所遇到的問(wèn)題。在應(yīng)用蟻群算法解決任務(wù)調(diào)度問(wèn)題的過(guò)程中,首先計(jì)算任務(wù)與虛擬機(jī)的配對(duì)概率,由螞蟻根據(jù)配對(duì)概率對(duì)任務(wù)進(jìn)行分配,在算法完成收斂時(shí)得到目標(biāo)解。由于隨機(jī)選擇的方法與反饋機(jī)制的原因,會(huì)導(dǎo)致收斂速度變慢與早熟現(xiàn)象。針對(duì)蟻群算法應(yīng)用于任務(wù)調(diào)度時(shí)存在的問(wèn)題,本文以任務(wù)的完成時(shí)間與負(fù)載均衡為優(yōu)化目標(biāo)對(duì)蟻群算法進(jìn)行改進(jìn),主要工作內(nèi)容為:(1)對(duì)云計(jì)算中任務(wù)調(diào)度的特點(diǎn)進(jìn)行分析與研究,對(duì)現(xiàn)有的任務(wù)調(diào)度算法的原理進(jìn)行分析,總結(jié)與分析現(xiàn)有算法計(jì)算效率不高的原因,對(duì)遇到的問(wèn)題找到研究思路。(2)針對(duì)如何提高計(jì)算效率與改善最優(yōu)解質(zhì)量的問(wèn)題,結(jié)合任務(wù)調(diào)度機(jī)制對(duì)蟻群算法進(jìn)行改進(jìn),通過(guò)賦予權(quán)重的方法對(duì)該算法的信息素更新規(guī)則進(jìn)行優(yōu)化,并利用動(dòng)態(tài)更新?lián)]發(fā)系數(shù)的方法優(yōu)化算法的綜合性能,在局部信息素的更新過(guò)程中,引入虛擬機(jī)負(fù)載權(quán)重系數(shù),使任務(wù)得到合理分配。(3)通過(guò)云計(jì)算仿真器CloudSim對(duì)改進(jìn)算法進(jìn)行仿真測(cè)試,并在相同環(huán)境下對(duì)其它算法進(jìn)行仿真實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果表明:基于改進(jìn)算法的任務(wù)調(diào)度策略在保證任務(wù)得到合理分配的同時(shí),算法的收斂速度與總執(zhí)行時(shí)間得到了優(yōu)化,最后,根據(jù)測(cè)試結(jié)果進(jìn)行分析與總結(jié)。
【學(xué)位單位】：長(zhǎng)沙理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類】：TP18;TP3
【部分圖文】：

通過(guò)對(duì)與Ｐｍａｘ賦予不同數(shù)值的情況下進(jìn)行結(jié)果的比較分析，與其它的數(shù)值情況??相比較，當(dāng)ｐｍｍ＝０．２、／＾＝０．８時(shí)結(jié)果較優(yōu)。??４．３種群規(guī)模的選擇??ＡＣＯ對(duì)相關(guān)問(wèn)題的可行解進(jìn)行查找的方式流程與ＰＳＯ、ＧＡ等算法相類似，需要利??用種群以某種工作方式來(lái)獲得可行的匹配方案，對(duì)于這種需要進(jìn)行信息感知的工作模??式，種群內(nèi)部中相關(guān)個(gè)體之間的信息傳遞與協(xié)作方式較為關(guān)鍵而種群規(guī)模的合理設(shè)??定能夠使關(guān)鍵信息的傳遞更高效，并優(yōu)化個(gè)體搜索重要丨丨標(biāo)的工作效率。單個(gè)個(gè)體在進(jìn)??行一次目標(biāo)搜索工作之后會(huì)生成一個(gè)匹配方案，在－次搜索進(jìn)程中，ｎ個(gè)個(gè)體形各自獲??得的匹配方案，因此，獲得的方案種類越多則表示個(gè)休的規(guī)校越大，符利Ｔ個(gè)體能夠獲??得更多可選擇的搜索信息，能夠在一次的搜索進(jìn)程屮提高方案種類的多樣性。但是個(gè)體??的數(shù)量的增加會(huì)導(dǎo)致一次搜索進(jìn)程屮工作量的增加，延長(zhǎng)了完成一次搜索過(guò)程所需的時(shí)??

通過(guò)對(duì)與Ｐｍａｘ賦予不同數(shù)值的情況下進(jìn)行結(jié)果的比較分析，與其它的數(shù)值情況??相比較，當(dāng)ｐｍｍ＝０．２、／＾＝０．８時(shí)結(jié)果較優(yōu)。??４．３種群規(guī)模的選擇??ＡＣＯ對(duì)相關(guān)問(wèn)題的可行解進(jìn)行查找的方式流程與ＰＳＯ、ＧＡ等算法相類似，需要利??用種群以某種工作方式來(lái)獲得可行的匹配方案，對(duì)于這種需要進(jìn)行信息感知的工作模??式，種群內(nèi)部中相關(guān)個(gè)體之間的信息傳遞與協(xié)作方式較為關(guān)鍵而種群規(guī)模的合理設(shè)??定能夠使關(guān)鍵信息的傳遞更高效，并優(yōu)化個(gè)體搜索重要丨丨標(biāo)的工作效率。單個(gè)個(gè)體在進(jìn)??行一次目標(biāo)搜索工作之后會(huì)生成一個(gè)匹配方案，在－次搜索進(jìn)程中，ｎ個(gè)個(gè)體形各自獲??得的匹配方案，因此，獲得的方案種類越多則表示個(gè)休的規(guī)校越大，符利Ｔ個(gè)體能夠獲??得更多可選擇的搜索信息，能夠在一次的搜索進(jìn)程屮提高方案種類的多樣性。但是個(gè)體??的數(shù)量的增加會(huì)導(dǎo)致一次搜索進(jìn)程屮工作量的增加，延長(zhǎng)了完成一次搜索過(guò)程所需的時(shí)??

通過(guò)對(duì)與Ｐｍａｘ賦予不同數(shù)值的情況下進(jìn)行結(jié)果的比較分析，與其它的數(shù)值情況??相比較，當(dāng)ｐｍｍ＝０．２、／＾＝０．８時(shí)結(jié)果較優(yōu)。??４．３種群規(guī)模的選擇??ＡＣＯ對(duì)相關(guān)問(wèn)題的可行解進(jìn)行查找的方式流程與ＰＳＯ、ＧＡ等算法相類似，需要利??用種群以某種工作方式來(lái)獲得可行的匹配方案，對(duì)于這種需要進(jìn)行信息感知的工作模??式，種群內(nèi)部中相關(guān)個(gè)體之間的信息傳遞與協(xié)作方式較為關(guān)鍵而種群規(guī)模的合理設(shè)??定能夠使關(guān)鍵信息的傳遞更高效，并優(yōu)化個(gè)體搜索重要丨丨標(biāo)的工作效率。單個(gè)個(gè)體在進(jìn)??行一次目標(biāo)搜索工作之后會(huì)生成一個(gè)匹配方案，在－次搜索進(jìn)程中，ｎ個(gè)個(gè)體形各自獲??得的匹配方案，因此，獲得的方案種類越多則表示個(gè)休的規(guī)校越大，符利Ｔ個(gè)體能夠獲??得更多可選擇的搜索信息，能夠在一次的搜索進(jìn)程屮提高方案種類的多樣性。但是個(gè)體??的數(shù)量的增加會(huì)導(dǎo)致一次搜索進(jìn)程屮工作量的增加，延長(zhǎng)了完成一次搜索過(guò)程所需的時(shí)??
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 段芃芃;;基于云計(jì)算的艦船大規(guī)模任務(wù)調(diào)度優(yōu)化[J];艦船科學(xué)技術(shù);2019年06期

2 李軍;王鈞;陳健;陳慧中;郭玉華;;基于多目標(biāo)遺傳算法的衛(wèi)星成像任務(wù)調(diào)度技術(shù)[J];系統(tǒng)工程與電子技術(shù);2007年07期

3 梁浩,吳洲;電子商務(wù)中供應(yīng)鏈任務(wù)調(diào)度問(wèn)題的研究[J];中國(guó)機(jī)械工程;2003年16期

4 陳軍;謝立;孫鐘秀;;分布式任務(wù)調(diào)度研究的新趨向[J];計(jì)算機(jī)研究與發(fā)展;1990年04期

5 ;簡(jiǎn)訊[J];成都電訊工程學(xué)院學(xué)報(bào);1988年02期

6 劉心松,李健;分布式計(jì)算機(jī)系統(tǒng)中的任務(wù)調(diào)度[J];計(jì)算機(jī)應(yīng)用;1989年01期

7 呂英,李教材,房其敏;周期性混合任務(wù)調(diào)度[J];計(jì)算機(jī)工程與設(shè)計(jì);1989年01期

8 李晨蕾;;云計(jì)算環(huán)境下基于蟻群算法的任務(wù)調(diào)度研究[J];科技創(chuàng)新導(dǎo)報(bào);2019年02期

9 丁志鋒;;云計(jì)算環(huán)境下用戶任務(wù)調(diào)度效率優(yōu)化仿真[J];計(jì)算機(jī)仿真;2017年04期

10 陳利安;肖明清;高峰;趙亮亮;;人工蜂群算法在并行測(cè)試任務(wù)調(diào)度中的應(yīng)用[J];計(jì)算機(jī)測(cè)量與控制;2012年06期

相關(guān)博士學(xué)位論文 前10條

1 徐海燕;帶有學(xué)習(xí)與惡化效應(yīng)的任務(wù)調(diào)度優(yōu)化方法[D];東南大學(xué);2017年

2 柳運(yùn)昌;多媒體云資源提供與任務(wù)調(diào)度技術(shù)研究[D];武漢理工大學(xué);2016年

3 何華;云計(jì)算的調(diào)度策略研究與性能分析[D];天津大學(xué);2017年

4 魯亮;大數(shù)據(jù)流式計(jì)算框架的任務(wù)調(diào)度優(yōu)化方法研究[D];新疆大學(xué);2018年

5 賓雪蓮;實(shí)時(shí)系統(tǒng)中的任務(wù)調(diào)度技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2004年

6 吳琦;嵌入式操作系統(tǒng)功耗管理技術(shù)研究[D];電子科技大學(xué);2006年

7 王濤;實(shí)時(shí)系統(tǒng)任務(wù)調(diào)度若干關(guān)鍵技術(shù)的研究[D];哈爾濱工程大學(xué);2006年

8 陸平;云計(jì)算應(yīng)用中的任務(wù)調(diào)度與資源分配的協(xié)同優(yōu)化[D];中國(guó)科學(xué)技術(shù)大學(xué);2017年

9 黃萬(wàn)偉;基于服務(wù)屬性區(qū)分的可重構(gòu)任務(wù)調(diào)度研究[D];解放軍信息工程大學(xué);2009年

10 王鈞;成像衛(wèi)星綜合任務(wù)調(diào)度模型與優(yōu)化方法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 曹云棣;云計(jì)算環(huán)境下工作流任務(wù)調(diào)度優(yōu)化算法研究[D];浙江理工大學(xué);2019年

2 陶煜;基于改進(jìn)遺傳算法的多目標(biāo)云計(jì)算任務(wù)調(diào)度研究[D];武漢大學(xué);2018年

3 全力;一種云計(jì)算中的任務(wù)調(diào)度優(yōu)化策略[D];長(zhǎng)沙理工大學(xué);2018年

4 丁中正;面向遙感數(shù)據(jù)融合處理的云計(jì)算任務(wù)調(diào)度粒子群優(yōu)化[D];南京理工大學(xué);2018年

5 殷憲亮;面向遙感大數(shù)據(jù)應(yīng)用的云計(jì)算任務(wù)調(diào)度研究[D];南京理工大學(xué);2018年

6 陳雪娣;基于空閑時(shí)間分配的DAG圖節(jié)能任務(wù)調(diào)度研究與實(shí)現(xiàn)[D];湖南大學(xué);2015年

7 王猛;基于異構(gòu)Hadoop集群的MapReduce任務(wù)調(diào)度算法研究[D];西北大學(xué);2018年

8 王維;面向電信訂單的分布式任務(wù)調(diào)度系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D];東南大學(xué);2017年

9 朱曉旭;面向商業(yè)銀行的分布式任務(wù)調(diào)度與管理系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D];哈爾濱工業(yè)大學(xué);2017年

10 趙云祥;面向迭代型作業(yè)的云計(jì)算資源調(diào)度技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2016年

本文編號(hào)：2879479