本文關(guān)鍵詞：基于人工免疫系統(tǒng)的云平臺(tái)動(dòng)態(tài)任務(wù)調(diào)度

  更多相關(guān)文章： 云計(jì)算 人工免疫 動(dòng)態(tài)任務(wù)調(diào)度 虛擬機(jī)資源配置 排隊(duì)論

【摘要】：從網(wǎng)格計(jì)算、分布式計(jì)算的出現(xiàn)開始,任務(wù)調(diào)度算法就成為學(xué)術(shù)界和業(yè)界重點(diǎn)研究的課題.云計(jì)算要求能夠應(yīng)對(duì)計(jì)算密集、數(shù)據(jù)密集和通信密集等各種類型的服務(wù),并確保其可擴(kuò)展性和高可靠性.同時(shí),云計(jì)算對(duì)系統(tǒng)的節(jié)能高效和穩(wěn)定可靠?jī)蓚�(gè)方面提出了更高的要求,任務(wù)的合理調(diào)度正是實(shí)現(xiàn)這兩個(gè)重要目標(biāo)的途徑之一.此外,由于虛擬化技術(shù)作為云計(jì)算不可缺少的重要組成部分,云環(huán)境下任務(wù)調(diào)度算法還應(yīng)該與虛擬化技術(shù)有機(jī)結(jié)合.現(xiàn)有的許多任務(wù)調(diào)度算法不能很好地勝任新的技術(shù)要求.人工智能的理論和方法(如遺傳算法)一直以來都是復(fù)雜環(huán)境下的任務(wù)調(diào)度問題研究的重要方法之一.人工免疫系統(tǒng)是人工智能的研究熱點(diǎn)之一,相比遺傳算法,有許多優(yōu)勢(shì).本文利用人工免疫系統(tǒng)的優(yōu)勢(shì)研究了云平臺(tái)的動(dòng)態(tài)任務(wù)調(diào)度問題.針對(duì)云計(jì)算領(lǐng)域的動(dòng)態(tài)任務(wù)調(diào)度問題,本文提出了一種基于人工免疫系統(tǒng)的云計(jì)算平臺(tái)動(dòng)態(tài)任務(wù)調(diào)度算法.該算法首先利用排隊(duì)論,從宏觀上快速確定云計(jì)算平臺(tái)保持穩(wěn)態(tài)的條件:平臺(tái)對(duì)于各類任務(wù)的最小服務(wù)率.然后,基于人工免疫系統(tǒng)中的免疫克隆選擇算法,將動(dòng)態(tài)任務(wù)調(diào)度問題建模為對(duì)虛擬機(jī)的計(jì)算資源配置問題.以CPU對(duì)于各類任務(wù)的處理能力作為衡量指標(biāo),設(shè)計(jì)并實(shí)現(xiàn)了對(duì)虛擬機(jī)資源配置方案的隨機(jī)搜索算法.算法中加入了適當(dāng)?shù)呢?fù)載平衡處理,它能使抗體基因更加優(yōu)良.模擬實(shí)驗(yàn)結(jié)果表明,相較于混合遺傳調(diào)度算法,基于人工免疫系統(tǒng)的云平臺(tái)動(dòng)態(tài)任務(wù)調(diào)度算法能有效提高收斂速度和精度,快速搜索到合理配置,提高了集群資源利用率.
【關(guān)鍵詞】：云計(jì)算 人工免疫 動(dòng)態(tài)任務(wù)調(diào)度 虛擬機(jī)資源配置 排隊(duì)論
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：TP302
【目錄】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 緒論10-17
• 1.1 研究背景及意義10-13
• 1.2 任務(wù)調(diào)度算法的研究現(xiàn)狀13-15
• 1.3 主要研究?jī)?nèi)容與論文結(jié)構(gòu)15-17
• 1.3.1 主要研究?jī)?nèi)容與創(chuàng)新點(diǎn)15-16
• 1.3.2 論文結(jié)構(gòu)16-17
• 第二章 排隊(duì)理論及人工免疫系統(tǒng)基礎(chǔ)17-32
• 2.1 排隊(duì)理論17-22
• 2.1.1 排隊(duì)系統(tǒng)的基本組成部分17-19
• 2.1.2 排隊(duì)系統(tǒng)的主要指標(biāo)19-20
• 2.1.3 無限源的簡(jiǎn)單排隊(duì)系統(tǒng)20-22
• 2.2 人工免疫系統(tǒng)的基本定義和主要算法22-32
• 2.2.1 人工免疫系統(tǒng)的定義與相關(guān)概念22-23
• 2.2.2 人工免疫系統(tǒng)主要算法23-32
• 第三章 結(jié)合人工免疫系統(tǒng)的云平臺(tái)動(dòng)態(tài)任務(wù)調(diào)度32-43
• 3.1 云計(jì)算平臺(tái)的特征32
• 3.2 任務(wù)排隊(duì)描述32-33
• 3.3 任務(wù)排隊(duì)建模33-34
• 3.4 虛擬機(jī)資源配置框架34-36
• 3.5 配置算法36-39
• 3.5.1 抗體基因編碼37-38
• 3.5.2 親和度函數(shù)38-39
• 3.6 免疫克隆選擇39-41
• 3.6.1 克隆操作39-40
• 3.6.2 免疫基因操作40-41
• 3.6.3 克隆選擇操作41
• 3.7 算法描述41-42
• 3.8 本章小結(jié)42-43
• 第四章 實(shí)驗(yàn)與結(jié)論分析43-49
• 4.1 負(fù)載均衡處理43-45
• 4.2 實(shí)驗(yàn)與結(jié)果分析45-48
• 4.3 本章小結(jié)48-49
• 第五章 總結(jié)與展望49-51
• 5.1 論文總結(jié)49
• 5.2 工作展望49-51
• 致謝51-52
• 參考文獻(xiàn)52-55
• 攻讀碩士期間主要研究成果55-56

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前2條

1 陳志剛;楊博;;網(wǎng)格服務(wù)資源多維性能聚類任務(wù)調(diào)度[J];軟件學(xué)報(bào);2009年10期

2 鄭偉偉;鄒華;林榮恒;;云虛擬環(huán)境下資源分配的研究與實(shí)現(xiàn)[J];軟件;2012年01期

，

本文編號(hào)：776216