當(dāng)前,云計(jì)算與虛擬化技術(shù)發(fā)展迅速。云計(jì)算的重要意義在于為所有用戶(hù)提供高性能、高可靠度的計(jì)算能力。故在云計(jì)算系統(tǒng)中,計(jì)算資源的調(diào)度是云計(jì)算中一個(gè)重要的組成部分,資源調(diào)度策略的好壞直接影響到整個(gè)云計(jì)算系統(tǒng)的性能。本文圍繞基于多元化用戶(hù)請(qǐng)求的云計(jì)算資源調(diào)度策略展開(kāi)了理論與技術(shù)研究,并研究了當(dāng)前開(kāi)放的云計(jì)算系統(tǒng)中的資源組織形式以及云計(jì)算中主流的資源調(diào)度框架。另外,本文對(duì)遺傳算法及其混合算法-多Agent遺傳算法的理論基礎(chǔ)及算法流程分別進(jìn)行了研究,論述了遺傳算法在解決高維優(yōu)化問(wèn)題時(shí)所存在的局限性。并通過(guò)實(shí)驗(yàn),從優(yōu)化結(jié)果和平均迭代次數(shù)兩個(gè)方面論證了多Agent遺傳算法在求解高維函數(shù)優(yōu)化問(wèn)題時(shí)比遺傳算法具有更高的收斂速度以及更好的并行性,從而進(jìn)一步證明了多Agent遺傳算法更加適合于高維、大數(shù)據(jù)量?jī)?yōu)化問(wèn)題的求解。最后,本文設(shè)計(jì)實(shí)現(xiàn)了基于虛擬化技術(shù)的云計(jì)算仿真系統(tǒng),并在此基礎(chǔ)上將多Agent遺傳算法以及按請(qǐng)求分組的調(diào)度策略應(yīng)用于云計(jì)算仿真系統(tǒng)上的資源調(diào)度策略中。然后通過(guò)三組實(shí)驗(yàn),對(duì)多Agent遺傳算法調(diào)度策略與傳統(tǒng)的輪詢(xún)法調(diào)度、Min_min調(diào)度進(jìn)行了比較。實(shí)驗(yàn)結(jié)果表明,本文所設(shè)計(jì)... 

【文章來(lái)源】：西安石油大學(xué)陜西省

【文章頁(yè)數(shù)】：76 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 遺傳算法與多Agent遺傳算法概述
    1.4 云計(jì)算及資源調(diào)度策略綜述
    1.5 論文完成的主要工作
    1.6 章節(jié)安排
第二章 云計(jì)算與資源調(diào)度策略概述
    2.1 云計(jì)算體系結(jié)構(gòu)
    2.2 虛擬化技術(shù)
    2.3 云計(jì)算中資源調(diào)度的一般方法
        2.3.1 在線資源調(diào)度算法
        2.3.2 批處理資源調(diào)度算法
    2.4 云計(jì)算中主流資源調(diào)度框架介紹
        2.4.1 Condor調(diào)度框架
        2.4.2 ISF調(diào)度框架
    2.5 小結(jié)
第三章 遺傳算法及多Agent遺傳算法
    3.1 進(jìn)化計(jì)算
    3.2 遺傳算法
        3.2.1 遺傳算法的實(shí)現(xiàn)機(jī)制
        3.2.2 模式定理
        3.2.3 隱含并行性
    3.3 遺傳算法的局限性
    3.4 多Agent遺傳算法
        3.4.1 多Agent系統(tǒng)
        3.4.2 Agent的生存環(huán)境
        3.4.3 鄰域競(jìng)爭(zhēng)操作算子
        3.4.4 鄰域正交交叉算子
        3.4.5 變異算子
        3.4.6 自學(xué)習(xí)算子
    3.5 算法操作與性能比較
    3.6 小結(jié)
第四章 基于多Agent遺傳算法的資源調(diào)度策略的設(shè)計(jì)與實(shí)現(xiàn)
    4.1 仿真平臺(tái)框架設(shè)計(jì)
    4.2 資源請(qǐng)求
    4.3 資源探測(cè)與監(jiān)控
    4.4 基于多Agent遺傳算法的資源調(diào)度策略的設(shè)計(jì)與實(shí)現(xiàn)
        4.4.1 問(wèn)題描述
        4.4.2 適應(yīng)度函數(shù)設(shè)計(jì)與實(shí)現(xiàn)
        4.4.3 編碼方案設(shè)計(jì)與實(shí)現(xiàn)
        4.4.4 多Agent遺傳操作
    4.5 本系統(tǒng)所采用的其他資源調(diào)度策略
        4.5.1 輪詢(xún)調(diào)度
min調(diào)度">        4.5.2 Min_min調(diào)度
    4.6 小結(jié)
第五章 實(shí)驗(yàn)與分析
    5.1 數(shù)據(jù)準(zhǔn)備
    5.2 多Agent遺傳算法參數(shù)設(shè)置
    5.3 實(shí)驗(yàn)結(jié)果比較
    5.4 實(shí)驗(yàn)結(jié)果分析
    5.5 小結(jié)
第六章 總結(jié)與展望
致謝
參考文獻(xiàn)
附錄 （攻讀碩士學(xué)位期間發(fā)表的論文）
詳細(xì)摘要


【參考文獻(xiàn)】：
期刊論文
[1]基于群體適應(yīng)度均值商的自適應(yīng)遺傳算法[J]. 田東平.  計(jì)算機(jī)應(yīng)用與軟件. 2010(11)
[2]基于免疫遺傳算法的負(fù)載均衡策略[J]. 蘇日娜,王宇.  計(jì)算機(jī)應(yīng)用. 2010(10)
[3]基于自適應(yīng)模擬退火遺傳算法的非線性方程組求解[J]. 胡斐,趙治國(guó).  微型電腦應(yīng)用. 2010(09)
[4]Min-Min調(diào)度算法的研究與改進(jìn)[J]. 杜玉霞,劉方愛(ài),郭磊.  計(jì)算機(jī)工程與應(yīng)用. 2010(24)
[5]一種改進(jìn)型量子遺傳算法[J]. 張宗飛.  計(jì)算機(jī)工程. 2010(06)
[6]基于PSO的多約束QoS網(wǎng)格資源選擇模型[J]. 傅明,周杰,黃晶.  計(jì)算機(jī)工程與設(shè)計(jì). 2009(03)
[7]虛擬化技術(shù)在云計(jì)算中的應(yīng)用初探[J]. 王昊鵬,劉旺盛.  電腦知識(shí)與技術(shù). 2008(25)
[8]基于移動(dòng)Agent的網(wǎng)格計(jì)算資源管理模型設(shè)計(jì)[J]. 曾正軍,舒萬(wàn)能.  計(jì)算機(jī)工程與應(yīng)用. 2008(21)
[9]一種改進(jìn)的啟發(fā)式網(wǎng)格任務(wù)調(diào)度算法[J]. 崔玉寶,李建義,薛桂香.  微型電腦應(yīng)用. 2006(05)
[10]網(wǎng)格計(jì)算中的任務(wù)調(diào)度模型研究[J]. 尚明生.  計(jì)算機(jī)工程. 2006(02)

碩士論文
[1]基于XEN網(wǎng)絡(luò)虛擬化的性能研究[D]. 楊林鳳.復(fù)旦大學(xué) 2010
[2]虛擬化云計(jì)算中資源管理的研究與實(shí)現(xiàn)[D]. 肖斐.西安電子科技大學(xué) 2010
[3]基于QoS的網(wǎng)格資源管理及容錯(cuò)策略的研究[D]. 馬鋒明.蘇州大學(xué) 2009
[4]基于遺傳算法的網(wǎng)格任務(wù)調(diào)度算法的研究[D]. 鐘艷平.浙江工業(yè)大學(xué) 2007



本文編號(hào)：3073957