本文關(guān)鍵詞：基于改進(jìn)蟻群算法的云計算資源分配研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著信息技術(shù)在各個領(lǐng)域的廣泛應(yīng)用，互聯(lián)網(wǎng)技術(shù)的進(jìn)步和網(wǎng)民數(shù)量的增長使得數(shù)據(jù)信息量也呈現(xiàn)出爆發(fā)式的增長，互聯(lián)網(wǎng)己經(jīng)進(jìn)入“大數(shù)據(jù)時代”，傳統(tǒng)的計算模式已不能滿足當(dāng)前動態(tài)、變化的需求。正是在這樣一個發(fā)展背景下，“云計算”應(yīng)運而生，成為繼個人計算機(jī)變革、互聯(lián)網(wǎng)變革之后的第三次IT浪潮。云計算(Cloud Computing)是分布式計算(Distributed Computing)、并行計算(Parallel Computing)和網(wǎng)格計算(GridComputing)、網(wǎng)絡(luò)存儲(Network Storage)和大型數(shù)據(jù)中心(Large—scale Data Center)的進(jìn)一步發(fā)展和商業(yè)實現(xiàn)。 在整個云環(huán)境中，資源和結(jié)構(gòu)分布的實際情況比較復(fù)雜，任意線路在任意時刻的網(wǎng)絡(luò)負(fù)載存在眾多不可預(yù)期的大幅度變化，有可能出現(xiàn)對資源需求估計過低，使得當(dāng)前資源的規(guī)模無法滿足其用戶作業(yè)需求；也有可能出現(xiàn)對資源需求估計過高，這回使所租用的資源部分處于閑置狀態(tài)，使得資源利用率大大降低。因此，在滿足用戶不斷增長和變化的需求的前提下，如何高效率低成本地進(jìn)行計算資源的合理分配成為云計算的關(guān)鍵問題。而資源分配問題的核心是分配算法，因此本文就目前的云計算資源分配算法進(jìn)行概述，并在此基礎(chǔ)上提出一種改進(jìn)的資源分配算法。 通過分析傳統(tǒng)蟻群算法在解決云計算資源問題中存在的不足之處，提出了本文的改進(jìn)方法，包括對算法中轉(zhuǎn)移概率的改進(jìn)以及對局部信息素、全局信息素更新方法的改進(jìn)。本文的改進(jìn)點主要在于確定轉(zhuǎn)移概率以及更新信息素時，都加入了動態(tài)的因子，這使得算法可以隨著迭代次數(shù)的增加進(jìn)行動態(tài)的調(diào)整，從而達(dá)到更好的搜索性能，并且在蟻群算法中引進(jìn)遺傳算法的變異操作，對信息素濃度進(jìn)行變異，來避免算法陷入局部最優(yōu)。 針對單一蟻群算法在迭代初期的盲目性，提出了將遺傳算法與蟻群算法進(jìn)行結(jié)合。根據(jù)遺傳算法收斂速度快的特點，，在算法初期，運用遺傳算法來得到較優(yōu)解，并將其轉(zhuǎn)化為蟻群算法的初始信息素，以此來解決蟻群算法初期效率低下的問題，然后接著用優(yōu)化的蟻群算法進(jìn)行搜索來進(jìn)一步得到最優(yōu)解，并且在文章最后通過仿真平臺對本文提出算法的性能進(jìn)行了驗證。
【關(guān)鍵詞】：云計算 資源分配 蟻群算法 遺傳算法
【學(xué)位授予單位】：華南理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TP18;TP3
【目錄】：

• 摘要5-6
• Abstract6-8
• 目錄8-10
• 第一章 緒論10-14
• 1.1 選題背景及研究意義10-11
• 1.2 研究現(xiàn)狀11-12
• 1.3 本文研究思路和內(nèi)容安排12-13
• 1.4 本章小結(jié)13-14
• 第二章 云計算概述14-25
• 2.1 云計算背景及定義14-16
• 2.2 云計算的發(fā)展16-18
• 2.3 云計算的特點18-22
• 2.3.1 云計算的特征18-19
• 2.3.2 云計算的體系結(jié)構(gòu)19-20
• 2.3.3 云計算的服務(wù)模型20-22
• 2.4 云計算的關(guān)鍵技術(shù)22-24
• 2.5 本章小結(jié)24-25
• 第三章 云計算資源分配研究與分析25-31
• 3.1 資源分配問題概述25-26
• 3.2 MAPREDUCE 模型26-27
• 3.3 資源分配形式化描述27-28
• 3.4 基于 QOS 的任務(wù)分類28-29
• 3.5 常用算法29-30
• 3.6 本章小結(jié)30-31
• 第四章 云環(huán)境下蟻群算法的優(yōu)化31-50
• 4.1 蟻群算法31-35
• 4.1.1 蟻群算法原理31-32
• 4.1.2 蟻群算法數(shù)學(xué)模型32-34
• 4.1.3 蟻群算法的優(yōu)缺點34-35
• 4.2 蟻群算法的改進(jìn)35-39
• 4.2.1 轉(zhuǎn)移概率的確定35-37
• 4.2.2 動態(tài)更新信息素37-39
• 4.3 云計算資源分配中的蟻群算法參數(shù)39-40
• 4.4 蟻群算法與遺傳算法結(jié)合40-48
• 4.4.1 遺傳算法40-43
• 4.4.2 設(shè)計思路43
• 4.4.3 遺傳算法初次分配43-45
• 4.4.4 遺傳算法與蟻群算法融合45-47
• 4.4.5 算法流程47-48
• 4.5 本章小結(jié)48-50
• 第五章 實驗與分析50-55
• 5.1 仿真工具50
• 5.2 對比分析50-54
• 5.3 結(jié)論54
• 5.4 本章小結(jié)54-55
• 總結(jié)與展望55-57
• 總結(jié)55-56
• 展望56-57
• 參考文獻(xiàn)57-61
• 攻讀碩士學(xué)位期間取得的研究成果61-62
• 致謝62-63
• 附件63

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 張健;;云計算概念和影響力解析[J];電信網(wǎng)技術(shù);2009年01期

2 劉伯紅;趙浚堯;;一種改進(jìn)的基于云環(huán)境的蟻群優(yōu)化算法[J];重慶郵電大學(xué)學(xué)報(自然科學(xué)版);2012年06期

3 孫宏志;靳松;岳康;;云環(huán)境下對遺傳蟻群算法的改進(jìn)研究[J];計算機(jī)光盤軟件與應(yīng)用;2012年23期

4 毛寧;顧軍華;譚慶;宋潔;;蟻群遺傳混合算法[J];計算機(jī)應(yīng)用;2006年07期

5 王永貴;韓瑞蓮;;基于改進(jìn)蟻群算法的云環(huán)境任務(wù)調(diào)度研究[J];計算機(jī)測量與控制;2011年05期

6 詹士昌,徐婕,吳俊;蟻群算法中有關(guān)算法參數(shù)的最優(yōu)選擇[J];科技通報;2003年05期

7 段桂英;;淺談計算機(jī)云計算[J];科技信息;2010年30期

8 張紀(jì)會,高齊圣,徐心和;自適應(yīng)蟻群算法[J];控制理論與應(yīng)用;2000年01期

9 蔣勝利;智西湖;;高校云計算教學(xué)初探[J];洛陽理工學(xué)院學(xué)報(自然科學(xué)版);2011年03期

10 陳真;;改進(jìn)蟻群算法在云環(huán)境下路徑優(yōu)化設(shè)計[J];江西理工大學(xué)學(xué)報;2012年03期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 劉波;蟻群算法改進(jìn)及應(yīng)用研究[D];燕山大學(xué);2010年

2 史恒亮;云計算任務(wù)調(diào)度研究[D];南京理工大學(xué);2012年

  本文關(guān)鍵詞：基于改進(jìn)蟻群算法的云計算資源分配研究，由筆耕文化傳播整理發(fā)布。

本文編號：381212