高校在建設(shè)云數(shù)據(jù)中心的過程中,以云計算方式為重要支持,能夠有效解決傳統(tǒng)計算模式下數(shù)據(jù)處理效果不佳的問題,更為高效、集中、統(tǒng)一管理數(shù)據(jù)和資源,支持高校各個職能部門共享數(shù)據(jù)與信息。本文從分析高校云數(shù)據(jù)中心構(gòu)建活動入手,著重說明了云計算的內(nèi)涵和高校云數(shù)據(jù)中心建設(shè)目標,介紹了云計算數(shù)據(jù)中心的內(nèi)容,闡釋了蟻群算法在高校云數(shù)據(jù)中心的運用情況,還提出了改進蟻群算法實現(xiàn)資源調(diào)度目標的實施策略。經(jīng)過仿真測試得出蟻群算法能夠有效處理大型數(shù)據(jù)任務(wù)的結(jié)論。 

【文章頁數(shù)】：3 頁

【文章目錄】：
0 引言
1 高校云數(shù)據(jù)中心構(gòu)建活動
    1.1 云計算概述
    1.2 高校云數(shù)據(jù)中心建設(shè)的目標
    1.3 云計算數(shù)據(jù)中心
2 蟻群算法在高校云數(shù)據(jù)中心的運用
    2.1 蟻群算法原理
    2.2 構(gòu)建蟻群算法數(shù)學模型
    2.3 運用優(yōu)點與不足
3 改進蟻群算法實現(xiàn)資源調(diào)度目標
4 CloudSim仿真
    4.1 遵循蟻群算法調(diào)度流程
    4.2 仿真測試
5 結(jié) 語


【參考文獻】：
期刊論文
[1]一種基于改進最大最小蟻群算法的虛擬機放置策略[J]. 劉晉西.  計算機與數(shù)字工程. 2019(09)
[2]基于改進蟻群算法的自適應云資源調(diào)度模型研究[J]. 聶清彬,潘峰,吳嘉誠,曹耀欽.  激光與光電子學進展. 2020(01)
[3]基于蟻群算法和遺傳算法RGV動態(tài)調(diào)度研究[J]. 周自力,吳福珍,張心怡.  浙江水利水電學院學報. 2019(02)
[4]基于蟻群算法的虛擬機雙目標優(yōu)化部署方法[J]. 裴多.  計算機工程與設(shè)計. 2018(11)
[5]基于蟻群算法的SDN數(shù)據(jù)中心網(wǎng)絡(luò)大象流調(diào)度研究[J]. 李宏慧,楊光,路海亮,付學良,申志軍.  計算機應用研究. 2019(12)
[6]云數(shù)據(jù)中心的多維云資源調(diào)度研究[J]. 姜賽達.  三門峽職業(yè)技術(shù)學院學報. 2018(03)
[7]基于數(shù)據(jù)虛擬化技術(shù)的高校云數(shù)據(jù)中心構(gòu)建[J]. 羅偉雄,曾紀霞,時東曉,劉嵐.  軟件導刊. 2018(03)



本文編號：3675299