為提升云計(jì)算的服務(wù)質(zhì)量與資源調(diào)度能力,從負(fù)載均衡問題著手,提出了一種負(fù)載均衡策略。在標(biāo)準(zhǔn)人工蜂群的基礎(chǔ)上,對種群初始化進(jìn)行優(yōu)化,并引入差分進(jìn)化算法與叢林法則來優(yōu)化蜂群個(gè)體,還在算法中引入"吸引點(diǎn)"思想來提升蜂群的搜索能力。通過仿真實(shí)現(xiàn)結(jié)果顯示,提出的負(fù)載均衡策略具有很強(qiáng)的優(yōu)越性,任務(wù)完工與請求響應(yīng)時(shí)間短,負(fù)載均衡性能明顯優(yōu)于標(biāo)準(zhǔn)人工蜂群算法和遺傳算法。 

【文章來源】：合肥師范學(xué)院學(xué)報(bào). 2019,37(06)

【文章頁數(shù)】：4 頁

【部分圖文】：

引入“吸引點(diǎn)”后的搜索方式

采用Cloud Sim對改進(jìn)后的算法性能進(jìn)行仿真實(shí)驗(yàn),分別從完工時(shí)間、響應(yīng)時(shí)間以及被遷移任務(wù)數(shù)量三個(gè)方面進(jìn)行全面評估,并與標(biāo)準(zhǔn)蜂群算法和遺傳算法進(jìn)行對比。仿真實(shí)驗(yàn)結(jié)果如圖2、圖3所示。圖3 三種算法人去請求響應(yīng)時(shí)間對比

圖2 三種算法任務(wù)完工時(shí)間對比從圖2、圖3中可以看到,引入了差分進(jìn)化與叢林法則的蜂群算法在任務(wù)完工時(shí)間、請求響應(yīng)時(shí)間明顯短于標(biāo)準(zhǔn)的人工蜂群算法和遺傳算法,這表明改進(jìn)后的算法其性能更為優(yōu)越。尤其是隨著任務(wù)數(shù)量的增加,改進(jìn)后的算法與其他兩種算法之間的時(shí)間差越大,這進(jìn)一步說明了改進(jìn)后的蜂群算法具有良好的性能。通常來說,云系統(tǒng)所遷移的任務(wù)量就越少,表明負(fù)載越容易達(dá)到均衡狀態(tài)。從圖4中可以明顯看到,采用改進(jìn)后的蜂群算法所遷移的任務(wù)量明顯要少于標(biāo)準(zhǔn)的人工蜂群算法,被遷移任務(wù)數(shù)量伴隨著虛擬機(jī)數(shù)量的增加而呈現(xiàn)下降趨勢。通過對比不難發(fā)現(xiàn),改進(jìn)后的人工蜂群算法均衡云計(jì)算負(fù)載的能力明顯要高于標(biāo)準(zhǔn)蜂群算法。

【參考文獻(xiàn)】：
期刊論文
[1]基于混沌貓群算法的云計(jì)算多目標(biāo)任務(wù)調(diào)度[J]. 黃偉建,辛風(fēng)俊,黃遠(yuǎn).  微電子學(xué)與計(jì)算機(jī). 2019(06)
[2]云計(jì)算中數(shù)據(jù)流存儲負(fù)載均衡優(yōu)化仿真[J]. 葉倫強(qiáng).  計(jì)算機(jī)仿真. 2018(10)
[3]云計(jì)算環(huán)境下多樣性資源負(fù)載均衡高效調(diào)度方法[J]. 吳軍英,辛銳,曹秀峰.  科技通報(bào). 2017(12)
[4]云計(jì)算下均衡負(fù)載的差異性資源調(diào)度算法優(yōu)化[J]. 羅南超.  科學(xué)技術(shù)與工程. 2017(34)
[5]一種基于改進(jìn)蟻群算法的多目標(biāo)優(yōu)化云計(jì)算任務(wù)調(diào)度策略[J]. 葛君偉,郭強(qiáng),方義秋.  微電子學(xué)與計(jì)算機(jī). 2017(11)
[6]云計(jì)算資源優(yōu)化問題求解的螢火蟲算法[J]. 任長安,趙巾幗,羅慶云.  吉林大學(xué)學(xué)報(bào)(理學(xué)版). 2017(05)
[7]基于負(fù)載均衡的云計(jì)算資源分配算法[J]. 張繼榮,陳琛.  微電子學(xué)與計(jì)算機(jī). 2017(09)
[8]基于蜂群算法的多維QoS云計(jì)算任務(wù)調(diào)度[J]. 顏麗燕,張桂珠.  計(jì)算機(jī)工程與科學(xué). 2016(04)
[9]基于離散人工蜂群算法的云任務(wù)調(diào)度優(yōu)化[J]. 倪志偉,李蓉蓉,方清華,龐閃閃.  計(jì)算機(jī)應(yīng)用. 2016(01)
[10]基于蜜蜂采蜜機(jī)理的云計(jì)算負(fù)載均衡策略[J]. 孫蘭芳,張曦煌.  計(jì)算機(jī)應(yīng)用研究. 2016(04)



本文編號：3428837