本文選題：移動(dòng)云計(jì)算　切入點(diǎn)：資源聚類　出處：《吉林大學(xué)》2017年碩士論文

【摘要】：隨著移動(dòng)互聯(lián)網(wǎng)和云計(jì)算的快速發(fā)展,移動(dòng)云計(jì)算成為了最新的研究熱點(diǎn)。智能移動(dòng)設(shè)備在各項(xiàng)性能和處理能力上的大幅提高,以及分布式處理技術(shù)如Hadoop和Map Reduce在移動(dòng)設(shè)備上的應(yīng)用,使移動(dòng)設(shè)備逐漸開始作為移動(dòng)云資源池中的服務(wù)器節(jié)點(diǎn)參與高性能計(jì)算并處理大量數(shù)據(jù)。而一方面移動(dòng)設(shè)備本身具有移動(dòng)性,移動(dòng)網(wǎng)絡(luò)覆蓋也存在間隙,不同的設(shè)備在處理任務(wù)時(shí)表現(xiàn)出不同的穩(wěn)定性與處理能力;另一方面不同的任務(wù)在各項(xiàng)資源上有著不同的需求,為移動(dòng)設(shè)備資源的統(tǒng)一管理和分配帶來了挑戰(zhàn)。為此,本文對(duì)移動(dòng)云計(jì)算的資源管理與任務(wù)分配問題進(jìn)行了較深入的研究。本文的研究?jī)?nèi)容以及創(chuàng)新點(diǎn)如下:(1)選取一種基于代理服務(wù)器的移動(dòng)云計(jì)算系統(tǒng)架構(gòu),利用代理連接移動(dòng)設(shè)備和遠(yuǎn)端云。并在代理服務(wù)器中設(shè)置了監(jiān)控器、資源管理器、任務(wù)管理器和調(diào)度器等功能模塊來進(jìn)行可靠的資源管理以及進(jìn)行高效的任務(wù)分配工作。(2)提出了一種基于改進(jìn)的K-means算法的移動(dòng)資源聚類方法PKMC_RM。綜合考慮移動(dòng)資源實(shí)際的移動(dòng)特性、可靠性、資源受限等問題,將移動(dòng)設(shè)備資源按其移動(dòng)率和系統(tǒng)出錯(cuò)率進(jìn)行聚類,估計(jì)每個(gè)移動(dòng)設(shè)備簇的處理能力,每個(gè)移動(dòng)設(shè)備簇根據(jù)自身處理能力執(zhí)行有不同資源需求的任務(wù)。給出了PKMC_RM的詳細(xì)設(shè)計(jì)和實(shí)現(xiàn),包括輸入?yún)?shù)的選定和標(biāo)準(zhǔn)化、距離的計(jì)算,和在初始聚類中心的選擇、新聚類中心的查找以及判斷是否繼續(xù)查找規(guī)則上的改進(jìn),實(shí)驗(yàn)證明PKMC_RM能夠達(dá)到較好的聚類效果從而滿足資源聚類管理的可靠性要求。(3)提出一種基于蟻群算法的多目標(biāo)任務(wù)分配方法MOAC_TD,分兩個(gè)階段完成任務(wù)的最優(yōu)分配。給出了MOAC_TD詳細(xì)的設(shè)計(jì)和實(shí)現(xiàn),包括任務(wù)的聚類過程、選取負(fù)載均衡和最低電能消耗作為兩個(gè)優(yōu)化目標(biāo)、適應(yīng)度函數(shù)的設(shè)計(jì)、信息素更新規(guī)則的改進(jìn)和狀態(tài)轉(zhuǎn)移概率的設(shè)計(jì)、以及在每輪迭代中利用Pareto支配關(guān)系尋找最優(yōu)解等。實(shí)驗(yàn)表明MOAC_TD能夠在滿足任務(wù)對(duì)資源的需求基礎(chǔ)上,較好的保持系統(tǒng)負(fù)載的均衡并且有較好的節(jié)能效果。
[Abstract]:With the rapid development of mobile Internet and cloud computing, mobile cloud computing has become the latest research hotspot. And the application of distributed processing technologies such as Hadoop and Map Reduce in mobile devices, Mobile devices gradually begin to participate as server nodes in mobile cloud resource pool in high performance computing and processing a lot of data. On the one hand, mobile devices have mobility, and there are gaps in mobile network coverage. Different devices have different stability and processing ability when dealing with tasks, on the other hand, different tasks have different demands on each resource, which brings challenges to the unified management and allocation of mobile device resources. In this paper, the resource management and task allocation of mobile cloud computing are deeply studied. The research content and innovation of this paper are as follows: 1) choose a mobile cloud computing system architecture based on proxy server. Connect mobile devices and remote clouds with agents, and set up monitors, resource managers in proxy servers, This paper presents a mobile resource clustering method based on improved K-means algorithm. Based on the problems of reliability and resource limitation, the mobile device resources are clustered according to their mobility rate and system error rate, and the processing power of each mobile device cluster is estimated. Each cluster of mobile devices performs tasks with different resource requirements according to its processing capacity. The detailed design and implementation of PKMC_RM are presented, including the selection and standardization of input parameters, the calculation of distances, and the selection of initial clustering centers. The search of the new clustering center and the improvement of judging whether to continue to look up the rules, Experimental results show that PKMC_RM can achieve better clustering effect and meet the reliability requirements of resource clustering management.) A multi-objective task allocation method based on ant colony algorithm, MOACT _ D, is proposed. The optimal assignment of tasks is completed in two stages. The detailed design and implementation of MOAC_TD are given. Including task clustering process, load balancing and minimum power consumption as two optimization objectives, fitness function design, pheromone update rule improvement and state transition probability design. The experiment shows that MOAC_TD can keep the balance of system load and save energy on the basis of satisfying the demand of resource.
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP311.13;TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 聶明泓;楊麗英;聶義勇;;任務(wù)分配問題的建模與求解[J];小型微型計(jì)算機(jī)系統(tǒng);2009年04期

2 張雷;王崇駿;謝俊元;;分布式任務(wù)分配中的一種信譽(yù)重連策略[J];廣西大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年05期

3 高志軍,韋紅雨,顏國(guó)正,丁國(guó)清;網(wǎng)絡(luò)環(huán)境下多機(jī)器人的任務(wù)分配實(shí)現(xiàn)[J];計(jì)算機(jī)工程與應(yīng)用;2004年03期

4 李濟(jì)澤;李科杰;宋萍;;基于非合作博弈模型的多移動(dòng)節(jié)點(diǎn)任務(wù)分配[J];福建工程學(xué)院學(xué)報(bào);2010年04期

5 孟海戰(zhàn);;一種優(yōu)化的任務(wù)分配方法研究[J];計(jì)算機(jī)與現(xiàn)代化;2011年04期

6 陶雪麗;鄭延斌;;多Agent層次任務(wù)分配方法[J];計(jì)算機(jī)工程與設(shè)計(jì);2013年05期

7 陶雪麗;鄭延斌;;基于適應(yīng)度的多Agent層次任務(wù)分配方法[J];微電子學(xué)與計(jì)算機(jī);2013年06期

8 黎亮,楊國(guó)緯;一種具有自適應(yīng)能力的任務(wù)分配系統(tǒng)的設(shè)計(jì)[J];電子科技大學(xué)學(xué)報(bào);1998年06期

9 陳夏冰;劉國(guó)棟;劉麗娟;;基于分區(qū)的多機(jī)器人任務(wù)分配[J];江南大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年04期

10 袁偉;;基于拋棄 撿拾法的多機(jī)器人動(dòng)態(tài)任務(wù)分配[J];福建電腦;2010年01期

相關(guān)會(huì)議論文 前2條

1 趙保學(xué);李戰(zhàn)懷;陳群;姜濤;潘巍;金健;;可擴(kuò)展Hadoop任務(wù)分配模塊的研究與實(shí)現(xiàn)[A];第29屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（B輯）（NDBC2012）[C];2012年

2 石媛媛;周羅偉;王江柳;楊佩;陳春林;;適用于智能倉(cāng)儲(chǔ)多機(jī)器人任務(wù)分配的一種平衡啟發(fā)式拍賣方法[A];系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)論文集（第15卷）[C];2014年

相關(guān)博士學(xué)位論文 前4條

1 馬巧云;基于多Agent系統(tǒng)的動(dòng)態(tài)任務(wù)分配研究[D];華中科技大學(xué);2006年

2 李勇;多Agent系統(tǒng)聯(lián)盟及任務(wù)分配的研究[D];合肥工業(yè)大學(xué);2008年

3 劉美;WSN多目標(biāo)跟蹤節(jié)點(diǎn)任務(wù)分配及跟蹤算法研究[D];華南理工大學(xué);2010年

4 臧潔;分布式制造企業(yè)中協(xié)同生產(chǎn)任務(wù)分配的若干優(yōu)化問題研究[D];東北大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 張寧;自治移動(dòng)云中任務(wù)分配的設(shè)計(jì)與實(shí)現(xiàn)[D];內(nèi)蒙古大學(xué);2015年

2 張馳;無(wú)人機(jī)任務(wù)分配仿真平臺(tái)設(shè)計(jì)與研究[D];西安電子科技大學(xué);2014年

3 賈健;多平臺(tái)防空協(xié)同任務(wù)分配問題研究[D];北京理工大學(xué);2016年

4 程如洪;群智感知的任務(wù)分配和用戶調(diào)度算法[D];中國(guó)科學(xué)技術(shù)大學(xué);2016年

5 程靜;具有隨機(jī)屬性的多無(wú)人機(jī)任務(wù)分配問題研究[D];合肥工業(yè)大學(xué);2016年

6 李明;基于異構(gòu)MAS的AGV協(xié)作系統(tǒng)任務(wù)分配方法研究[D];武漢工程大學(xué);2016年

7 趙文衛(wèi);分布式爬蟲系統(tǒng)中任務(wù)分配問題的研究[D];南京大學(xué);2015年

8 陳永春;移動(dòng)云計(jì)算的系統(tǒng)管理與優(yōu)化方法研究[D];吉林大學(xué);2017年

9 魯昊;Multi-agent系統(tǒng)中動(dòng)態(tài)任務(wù)分配研究[D];湖北大學(xué);2012年

10 姚慧峰;移動(dòng)云計(jì)算環(huán)境下任務(wù)分配問題的研究[D];南京郵電大學(xué);2014年

，

本文編號(hào)：1669334