本文關(guān)鍵詞：基于蜂群算法的云計算負載均衡問題研究

  更多相關(guān)文章： 云計算 負載均衡 優(yōu)化算法 智能計算 蜂群算法

【摘要】：云計算隨著互聯(lián)網(wǎng)技術(shù),電子信息技術(shù)的高速發(fā)展,日益成為計算機產(chǎn)業(yè)的前沿學(xué)科和重點學(xué)科。于學(xué)術(shù)界中,云計算是先進的主流研究方向,當(dāng)之無愧的尖端領(lǐng)域;于商界中,云計算早已成為全球各大IT巨頭爭奪的主戰(zhàn)場,他們寄希望在信息大爆炸的時代中,在無限的商機中分得一杯羹,在云計算及其相關(guān)的領(lǐng)域中可以大展拳腳。云計算是一個新興的概念,它第一次被提出是在2006年搜索引擎大會中由Google首席執(zhí)行官埃里克·施密特(Eric Schmidt)提出的,標(biāo)志云計算的正式誕生。然而,早在06年之前,上世紀(jì)八十年代末期,SUN公司提出了“網(wǎng)絡(luò)就是計算機的概念”,就已經(jīng)出現(xiàn)了今天云計算的雛形。負載均衡最早是為了解決計算機中擁塞和任務(wù)調(diào)度而產(chǎn)生的,在互聯(lián)網(wǎng)發(fā)展的大環(huán)境中,尤其云計算概念的引入,逐漸成為了云計算不可分割的重要組成部分,成為了云計算研究領(lǐng)域重要的一個分支方向。目前,負載均衡算法的研究,智能算法和仿生學(xué)的智能計算技術(shù)是研究的較為集中的方向之一。利用模擬動物或者植物某種習(xí)性,將任務(wù)或者資源合理有效地分配到適當(dāng)?shù)奶摂M機和系統(tǒng)中。簡而言之,讓計算機擁有動植物的智能方式,有目的有選擇地進行任務(wù)的執(zhí)行,而不是盲目漫無目標(biāo)地進行,本文正是對此的研究。本論文首先簡單的介紹了云計算相關(guān)內(nèi)容的概念、特點和應(yīng)用,以及發(fā)展趨勢問題。其次詳細介紹了蜂群算法流程與負載均衡模型搭建,并且在此基礎(chǔ)上對算法設(shè)計進行了理論分析,為后面提出兩種蜂群算法提出了科學(xué)模型。隨后,提出基于蜂群算法的負載均衡方法(Artificial Bee Colony Algorithm)和基于改進蜂群的負載均衡方法(Interaction Artificial Bee Colony Algorithm),最后對提出的兩個算法進行模擬建模,實驗測試與分析總結(jié)。經(jīng)實驗說明,基于蜂群算法的負載均衡方法大大縮短了云系統(tǒng)中執(zhí)行任務(wù)需要的時間,并且最大限度利用了系統(tǒng)中現(xiàn)有的資源。蜂群算法極大提高了云計算平臺的工作效率,在實驗中取得了良好的效果。
【關(guān)鍵詞】：云計算 負載均衡 優(yōu)化算法 智能計算 蜂群算法
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TP393.09;TP18
【目錄】：

• 摘要4-5
• Abstract5-8
• 第1章 緒論8-15
• 1.1 課題背景與意義8-10
• 1.1.1 課題研究目的及意義8-10
• 1.1.2 課題來源及本文主要工作10
• 1.2 國內(nèi)外研究現(xiàn)狀10-13
• 1.2.1 云計算10-11
• 1.2.2 負載均衡11-12
• 1.2.3 負載均衡中智能算法12-13
• 1.3 本文主要研究內(nèi)容13-14
• 1.4 本文的組織結(jié)構(gòu)14-15
• 第2章 蜂群算法與負載均衡分析15-26
• 2.1 蜂群算法15-17
• 2.1.1 蜜蜂采蜜描述15
• 2.1.2 蜂群算法分析15-17
• 2.2 負載均衡問題17-22
• 2.2.1 模型搭建17-21
• 2.2.2 算法設(shè)計及可行性分析21-22
• 2.3 實驗平臺介紹22-24
• 2.4 本章小結(jié)24-26
• 第3章 蜂群算法的負載均衡設(shè)計26-44
• 3.1 環(huán)境配置與數(shù)學(xué)模型26-29
• 3.1.1 環(huán)境設(shè)置26-27
• 3.1.2 數(shù)學(xué)模型27-29
• 3.2 基于蜂群算法的負載均衡實現(xiàn)29-32
• 3.3 基于蜂群算法的負載均衡實驗結(jié)果和效率32-43
• 3.4 本章小結(jié)43-44
• 第4章 改進的蜂群算法的負載均衡設(shè)計44-51
• 4.1 實驗環(huán)境與數(shù)學(xué)模型44-45
• 4.1.1 環(huán)境配置44
• 4.1.2 數(shù)學(xué)模型44-45
• 4.2 改進的蜂群算法負載均衡實現(xiàn)45-48
• 4.3 改進的蜂群算法負載均衡實驗結(jié)果與效率48-50
• 4.4 本章小結(jié)50-51
• 第5章 兩種蜂群算法的負載均衡方法比較51-57
• 5.1 兩種基于蜂群算法的負載均衡算法比較51
• 5.2 算法分析與未來改進51-56
• 5.3 本章小結(jié)56-57
• 結(jié)論57-58
• 參考文獻58-63
• 攻讀碩士學(xué)位期間發(fā)表的論文及其它成果63-65
• 致謝65

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 馮舜璽;;新書推薦:《算法分析導(dǎo)論》[J];計算機教育;2006年05期

2 張力,慕曉冬;計算機算法分析淺談[J];武警工程學(xué)院學(xué)報;2002年04期

3 馬安光;;飛彈問題的算法分析——2003年第10期題解[J];程序員;2003年12期

4 蘇運霖;;《算法分析導(dǎo)論》評介[J];計算機教育;2006年07期

5 朱力強;;培養(yǎng)學(xué)生創(chuàng)新思維與能力的算法分析案例[J];計算機與信息技術(shù);2007年11期

6 汪菊琴;;幾種常見特殊方陣的算法分析與實現(xiàn)[J];無錫職業(yè)技術(shù)學(xué)院學(xué)報;2009年05期

7 李涵;;“算法分析與設(shè)計”課程教學(xué)改革和實踐[J];中國電力教育;2010年16期

8 劉寧;管濤;;淺析案例教學(xué)法在算法分析與設(shè)計課程中的應(yīng)用[J];科技風(fēng);2011年07期

9 胡峰;王國胤;;“算法分析與設(shè)計”教學(xué)模式探索[J];當(dāng)代教育理論與實踐;2011年12期

10 趙娟;;淺析啟發(fā)式教學(xué)法在《算法分析與設(shè)計》課程中的應(yīng)用[J];福建電腦;2012年06期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 俞洋;田亞菲;;一種新的變步長LMS算法及其仿真[A];通信理論與信號處理新進展——2005年通信理論與信號處理年會論文集[C];2005年

2 周顥;劉振華;趙保華;;構(gòu)造型的D~2FA生成算法[A];中國通信學(xué)會通信軟件技術(shù)委員會2009年學(xué)術(shù)會議論文集[C];2009年

3 賴桃桃;馮少榮;張東站;;一種基于劃分和密度的快速聚類算法[A];第二十五屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（一）[C];2008年

4 劉遠新;鄧飛其;羅艷輝;舒添慧;;ERP柔性平臺下物流運輸配送系統(tǒng)算法分析[A];第二十六屆中國控制會議論文集[C];2007年

5 王樹西;白碩;姜吉發(fā);;模式合一的“減首去尾”算法[A];第二屆全國學(xué)生計算語言學(xué)研討會論文集[C];2004年

6 王萬青;張曉輝;;改進的A~*算法的高效實現(xiàn)[A];2009全國測繪科技信息交流會暨首屆測繪博客征文頒獎?wù)撐募痆C];2009年

7 孫煥良;邱菲;劉俊嶺;朱葉麗;;IncSNN——一種基于密度的增量聚類算法[A];第二十三屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2006年

8 韓建民;岑婷婷;于娟;;實現(xiàn)敏感屬性l-多樣性的l-MDAV算法[A];第二十七屆中國控制會議論文集[C];2008年

9 張悅;尤楓;趙瑞蓮;;利用蟻群算法實現(xiàn)基于程序結(jié)構(gòu)的主變元分析[A];第五屆中國測試學(xué)術(shù)會議論文集[C];2008年

10 王旭東;劉渝;鄧振淼;;正弦波頻率估計的修正Rife算法及其FPGA實現(xiàn)[A];全國第十屆信號與信息處理、第四屆DSP應(yīng)用技術(shù)聯(lián)合學(xué)術(shù)會議論文集[C];2006年

中國重要報紙全文數(shù)據(jù)庫 前1條

1 科文;VIXD算法分析Web異常[N];中國計算機報;2008年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 魏哲學(xué);樣本斷點距離問題的算法與復(fù)雜性研究[D];山東大學(xué);2015年

2 劉春明;基于增強學(xué)習(xí)和車輛動力學(xué)的高速公路自主駕駛研究[D];國防科學(xué)技術(shù)大學(xué);2014年

3 劉新旺;多核學(xué)習(xí)算法研究[D];國防科學(xué)技術(shù)大學(xué);2013年

4 于濱;城市公交系統(tǒng)模型與算法研究[D];大連理工大學(xué);2006年

5 曾國強;改進的極值優(yōu)化算法及其在組合優(yōu)化問題中的應(yīng)用研究[D];浙江大學(xué);2011年

6 肖永豪;蜂群算法及在圖像處理中的應(yīng)用研究[D];華南理工大學(xué);2011年

7 陳耿;面向中觀審計的規(guī)則發(fā)現(xiàn)算法研究[D];東南大學(xué);2005年

8 王維博;粒子群優(yōu)化算法研究及其應(yīng)用[D];西南交通大學(xué);2012年

9 魚亮;蛋白質(zhì)網(wǎng)絡(luò)模塊結(jié)構(gòu)識別算法研究[D];西安電子科技大學(xué);2011年

10 李玉英;混沌螞蟻群優(yōu)化算法及其應(yīng)用研究[D];北京郵電大學(xué);2009年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 黃廈;基于改進蟻群算法的柔性作業(yè)車間調(diào)度問題研究[D];昆明理工大學(xué);2015年

2 李平;基于Hadoop的信息爬取與輿情檢測算法研究[D];昆明理工大學(xué);2015年

3 趙官寶;基于位表的關(guān)聯(lián)規(guī)則挖掘算法研究[D];昆明理工大學(xué);2015年

4 殷文華;移動容遲網(wǎng)絡(luò)中基于社會感知的多播分發(fā)算法研究[D];內(nèi)蒙古大學(xué);2015年

5 徐翔燕;人工魚群優(yōu)化算法及其應(yīng)用研究[D];西南交通大學(xué);2015年

6 李德福;基于小世界模型的啟發(fā)式尋路算法研究[D];華中師范大學(xué);2015年

7 鄭海彬;一種面向MAPREDUCE的DATASHUFFLE的優(yōu)化方法[D];蘇州大學(xué);2015年

8 趙曉寒;輪換步長PSO算法及SMVSC參數(shù)優(yōu)化[D];沈陽理工大學(xué);2015年

9 安豐洋;基于無線網(wǎng)絡(luò)的廣播算法研究[D];曲阜師范大學(xué);2015年

10 李智明;基于改進FastICA算法的混合語音盲分離[D];上海交通大學(xué);2015年

，

本文編號：1021443