本文關(guān)鍵詞：基于遺傳算法的云計(jì)算任務(wù)調(diào)度策略的研究與實(shí)現(xiàn)

  更多相關(guān)文章： 云計(jì)算 任務(wù)調(diào)度 遺傳算法 CloudSim

【摘要】：云計(jì)算作為一種新興的計(jì)算模式,自2007年提出以來,依靠其使用簡單、廉價(jià)等特點(diǎn)對IT企業(yè)的運(yùn)營環(huán)境產(chǎn)生了深遠(yuǎn)的影響,云計(jì)算已經(jīng)成為國內(nèi)外企業(yè)以及科研機(jī)構(gòu)重點(diǎn)研究的領(lǐng)域之一。然而,在云計(jì)算環(huán)境中,由于面向的用戶眾多,系統(tǒng)需要處理的任務(wù)數(shù)量規(guī)模大的驚人。因此,如何在滿足用戶對服務(wù)質(zhì)量的需求下,盡可能的對海量的任務(wù)進(jìn)行合理高效的調(diào)度,這成為了云計(jì)算研究領(lǐng)域中的一個(gè)重點(diǎn)和難點(diǎn)。遺傳算法是一種用于解決最優(yōu)化問題的全局搜索啟發(fā)式算法,它具有適應(yīng)性、學(xué)習(xí)性和并行性的特點(diǎn),尤其在解決海量任務(wù)的時(shí)候,遺傳算法具有很大的優(yōu)勢,可以把任務(wù)進(jìn)行分解后按需分配到多個(gè)處理機(jī)上同時(shí)進(jìn)行處理。同時(shí)遺傳算法還具有擴(kuò)展性,可以方便地和其他算法進(jìn)行結(jié)合,吸收其他算法的優(yōu)勢彌補(bǔ)自身的不足。當(dāng)前已經(jīng)有不少的科研工作者發(fā)揮遺傳算法的優(yōu)勢,將其運(yùn)用到任務(wù)調(diào)度問題中,得到的調(diào)度結(jié)果優(yōu)于傳統(tǒng)的調(diào)度方案。云計(jì)算中的任務(wù)調(diào)度問題是經(jīng)典的組合優(yōu)化難題�；具z傳算法在求解調(diào)度問題的過程中往往對所求問題的精確度把握不高,因而難以尋求到最優(yōu)解。造成這些問題的原因主要有：在算法迭代次數(shù)較多的情況下,局部最優(yōu)解的產(chǎn)生往往忽略了其全局搜索能力的不足；不能獲得理想的初始種群等。針對于遺傳算法在求解過程中收斂速度過慢的問題,本文對傳統(tǒng)的串行編碼以及二進(jìn)制編碼方式進(jìn)行了改進(jìn),采用了一種新型的任務(wù)-資源的編碼方式,在對染色體的表述上更為直接也更為有效,解決了染色體過長的問題。對于遺傳算法在求解過程中目標(biāo)函數(shù)考慮局限性的問題,本文對適應(yīng)度函數(shù)做了如下的改進(jìn)：采用QoS約束條件中的任務(wù)總完成時(shí)間、帶寬、費(fèi)用這3個(gè)條件作為適應(yīng)度函數(shù)。通過設(shè)置不同參數(shù)值來對適應(yīng)度函數(shù)進(jìn)行求值。最后通過cloudsim云計(jì)算實(shí)現(xiàn)了本文提出的基于改進(jìn)遺傳算法的任務(wù)調(diào)度策略。通過相關(guān)實(shí)驗(yàn)結(jié)果的論證,該方法有一定的可行性。
【關(guān)鍵詞】：云計(jì)算 任務(wù)調(diào)度 遺傳算法 CloudSim
【學(xué)位授予單位】：昆明理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP18;TP3
【目錄】：

• 摘要5-6
• Abstract6-10
• 第一章 緒論10-20
• 1.1 研究背景與意義10-11
• 1.2 云計(jì)算的相關(guān)理論11-17
• 1.3 國內(nèi)外研究現(xiàn)狀以及存在的問題17-18
• 1.4 本文的主要工作與內(nèi)容安排18-19
• 1.5 本章小結(jié)19-20
• 第二章 云計(jì)算環(huán)境下任務(wù)調(diào)度及遺傳算法的相關(guān)介紹20-26
• 2.1 任務(wù)調(diào)度相關(guān)技術(shù)20-22
• 2.2 遺傳算法相關(guān)介紹22-25
• 2.3 本章小結(jié)25-26
• 第三章 云計(jì)算環(huán)境下的任務(wù)調(diào)度體系與框架26-34
• 3.1 云計(jì)算環(huán)境下任務(wù)調(diào)度問題的描述26-27
• 3.2 云計(jì)算環(huán)境下任務(wù)調(diào)度的目標(biāo)27-28
• 3.3 任務(wù)調(diào)度的總體體系與框架28-31
• 3.4 云計(jì)算環(huán)境下任務(wù)調(diào)度的特點(diǎn)31-32
• 3.5 本章小結(jié)32-34
• 第四章 改進(jìn)遺傳算法的任務(wù)調(diào)度策略的設(shè)計(jì)34-46
• 4.1 基本遺傳算法的執(zhí)行過程34-36
• 4.2 改進(jìn)遺傳算法的任務(wù)調(diào)度研究36-38
• 4.3 改進(jìn)的初始種群生成方案38-40
• 4.4 適應(yīng)度函數(shù)的設(shè)計(jì)40-43
• 4.5 混合交叉算子的操作43-45
• 4.6 變異概率的選取45
• 4.7 改進(jìn)遺傳算法步驟45-46
• 第五章 基于CloudSim的算法仿真情況與實(shí)驗(yàn)結(jié)果分析46-54
• 5.1 CloudSim平臺簡介46
• 5.2 CloudSim的體系結(jié)構(gòu)46-48
• 5.3 CloudSim技術(shù)實(shí)現(xiàn)方式48-49
• 5.4 實(shí)驗(yàn)仿真與結(jié)果49-54
• 第六章 總結(jié)與展望54-56
• 6.1 總結(jié)54
• 6.2 未來的展望54-56
• 致謝56-58
• 參考文獻(xiàn)58-62
• 附錄A 攻讀學(xué)位期間學(xué)術(shù)成果目錄62

，

本文編號：886641