發(fā)布時間：2018-01-26 15:16

  本文關(guān)鍵詞： 云計算 粒子群 RBF神經(jīng)網(wǎng)絡(luò) 資源調(diào)度　出處：《小型微型計算機(jī)系統(tǒng)》2016年04期 　論文類型：期刊論文

【摘要】：為了實(shí)現(xiàn)云計算資源調(diào)度的多目標(biāo)優(yōu)化,提高資源利用率和保證云應(yīng)用的服務(wù)質(zhì)量,通過對云計算系統(tǒng)進(jìn)行研究,設(shè)計并實(shí)現(xiàn)了一種基于RBF神經(jīng)網(wǎng)絡(luò)和粒子群算法的云計算資源動態(tài)調(diào)度系統(tǒng).首先,提出云計算資源的動態(tài)調(diào)度系統(tǒng)的管理框架,并給出本框架形式;其次,設(shè)計并實(shí)現(xiàn)了一種綜合運(yùn)用RBF神經(jīng)網(wǎng)絡(luò)和改進(jìn)粒子群算法,并通過預(yù)測資源的需求量、考慮應(yīng)用性能、物理結(jié)點(diǎn)個數(shù)以及當(dāng)前的負(fù)載情況的多目標(biāo)資源調(diào)度方法.在Cloud Sim平臺進(jìn)行了仿真,實(shí)驗結(jié)果表明提出的框架及算法能有效減少虛擬機(jī)遷移次數(shù)和物理結(jié)點(diǎn)的使用數(shù)量,提高資源的利用率的同時,也保證了云應(yīng)用的服務(wù)質(zhì)量,并具有較高的實(shí)用性和可行性.
[Abstract]:In order to achieve multi-objective optimization of cloud computing resource scheduling, improve resource utilization and ensure the quality of service of cloud applications, the cloud computing system is studied. A cloud computing resource dynamic scheduling system based on RBF neural network and particle swarm optimization algorithm is designed and implemented. Firstly, the management framework of cloud computing resource dynamic scheduling system is proposed, and the form of this framework is given. Secondly, we design and implement a comprehensive application of RBF neural network and improved particle swarm optimization algorithm, and consider the application performance by predicting the demand of resources. The multi-objective resource scheduling method based on the number of physical nodes and the current load is simulated on the Cloud Sim platform. Experimental results show that the proposed framework and algorithm can effectively reduce the number of virtual machine migration and the number of physical nodes, improve the utilization of resources, but also ensure the quality of service of cloud applications. And it has high practicability and feasibility.
【作者單位】： 東北大學(xué)信息科學(xué)與工程學(xué)院;沈陽大學(xué)信息工程學(xué)院;
【基金】：國家自然科學(xué)基金面上項目(61472070)資助 遼寧省自然科學(xué)基金項目(2013020011)資助 遼寧省社會科學(xué)基金項目(L14ASH001)資助
【分類號】：TP183
【正文快照】： 1引言云計算是一種商業(yè)計算模型,它將計算任務(wù)分布在大量計算機(jī)構(gòu)成的資源池上,使各種應(yīng)用系統(tǒng)能夠根據(jù)需要獲取計算力、存儲空間和各種軟件資源.云計算系統(tǒng)以虛擬化技術(shù)為基礎(chǔ),把IT資源進(jìn)行封裝,以資源的方式提供給用戶使用[1].在云計算系統(tǒng)中,由于云計算的復(fù)雜性和不確定性,

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 董紅蕓;高志棟;王登科;;基于蟻群算法的云計算資源調(diào)度研究[J];中國西部科技;2013年04期

2 陳冬林;姚夢迪;桂雁軍;陳玲;;基于蟻群算法的云計算聯(lián)盟資源調(diào)度[J];武漢理工大學(xué)學(xué)報(信息與管理工程版);2014年03期

3 解丹;張靜;;圖像信息管理系統(tǒng)資源調(diào)度技術(shù)在政府應(yīng)急處突中的應(yīng)用[J];警察技術(shù);2010年05期

4 呂樹紅;;基于混沌策略的蝙蝠優(yōu)化算法在云計算資源調(diào)度中的研究[J];科技通報;2014年07期

5 高世剛;;云自適應(yīng)遺傳算法求解資源調(diào)度問題[J];物流技術(shù);2010年20期

6 王東云,胡寧,楊文源,朱劍英;一種有約束FMS資源調(diào)度的新方法[J];中國機(jī)械工程;1998年03期

7 徐常勝，周兆英，肖鵬東，劉思行;基于神經(jīng)網(wǎng)絡(luò)模型的有約束的FMS資源調(diào)度[J];信息與控制;1995年05期

8 卓濤;詹穎;;改進(jìn)人工蜂群算法的云計算資源調(diào)度模型[J];微電子學(xué)與計算機(jī);2014年07期

9 李華英;;基于資源調(diào)度的靜態(tài)路由算法(SCIRS)設(shè)計[J];電腦知識與技術(shù);2008年25期

10 蘭強(qiáng)春;半導(dǎo)體硅片生產(chǎn)的CIM方向[J];微電子技術(shù);1995年03期

相關(guān)碩士學(xué)位論文 前9條

1 李超;基于改進(jìn)粒子群算法的云計算資源調(diào)度研究[D];中國礦業(yè)大學(xué);2015年

2 王艷平;基于蟻群算法的云計算資源調(diào)度研究[D];曲阜師范大學(xué);2015年

3 郭麗嬌;云環(huán)境下虛擬資源調(diào)度方法的研究[D];太原理工大學(xué);2014年

4 李洋;基于云計算平臺的資源調(diào)度關(guān)鍵技術(shù)研究[D];北京郵電大學(xué);2014年

5 朱章松;復(fù)雜工業(yè)過程資源調(diào)度優(yōu)化算法研究[D];廣東工業(yè)大學(xué);2015年

6 張揚(yáng);基于QPSO-SFLA改進(jìn)算法的云環(huán)境資源調(diào)度研究[D];江西理工大學(xué);2014年

7 鄔海艷;基于云計算環(huán)境下資源調(diào)度算法研究[D];江西理工大學(xué);2012年

8 李軍;網(wǎng)格中傳感資源調(diào)度優(yōu)化技術(shù)的研究[D];武漢理工大學(xué);2011年

9 何蘭蘭;云環(huán)境下基于SLA的優(yōu)化資源管理機(jī)制研究[D];江西理工大學(xué);2015年

，

本文編號：1465931