【摘要】：隨著互聯(lián)網(wǎng)和計算機技術(shù)的不斷發(fā)展,云計算倡導(dǎo)一切皆服務(wù),將云端豐富的計算資源、存儲資源、平臺服務(wù)、個性化應(yīng)用等封裝成云服務(wù)并通過基于Web的工具或者應(yīng)用軟件供給用戶,這給傳統(tǒng)的服務(wù)模式帶來了巨大的挑戰(zhàn)。由于云計算環(huán)境下的Web服務(wù)數(shù)量急劇增加,使用傳統(tǒng)的服務(wù)選擇方法已不能滿足用戶復(fù)雜且又動態(tài)的需求,如何利用云計算技術(shù)快速、高效地從海量的候選服務(wù)集中選擇出服務(wù)質(zhì)量較優(yōu)的具體服務(wù),從而形成滿足用戶需求的組合服務(wù),已成為亟須解決的難題。為了解決在云計算環(huán)境下的大規(guī)模服務(wù)選擇問題,論文應(yīng)用了Web服務(wù)技術(shù)、離散螢火蟲群優(yōu)化算法(DGSO)以及云計算技術(shù),并將離散螢火蟲群優(yōu)化算法融入到云計算技術(shù)中,實現(xiàn)在云計算環(huán)境下螢火蟲并行計算。主要研究內(nèi)容包括以下這兩點:(1)為了提供傳統(tǒng)選擇方法對海量Web服務(wù)選擇的支持,論文提出了基于改進(jìn)離散螢火蟲群優(yōu)化算法(IDGSO)的服務(wù)選擇方法。該算法重新定義了個體的編碼、個體間的距離計算公式,改進(jìn)了位置更新、非可行解處理和相關(guān)參數(shù),并結(jié)合分群理論,提高了種群多樣性和在高維空間中的搜索能力。(2)針對云計算環(huán)境下的海量Web服務(wù),論文運用云計算的Map Reduce模式將改進(jìn)離散螢火蟲群優(yōu)化算法并行化,提出了基于MRDGSO算法的服務(wù)選擇方法。該算法重新定義了螢火蟲的編碼方式,并且融入分群分治策略,實現(xiàn)在云環(huán)境下小規(guī)模多種群并行計算。實驗結(jié)果表明該算法在擴(kuò)展性和性能方面均有良好的表現(xiàn)。
[Abstract]:With the continuous development of the Internet and computer technology, cloud computing advocates all services, will cloud rich computing resources, storage resources, platform services, Personalized applications are encapsulated into cloud services and supplied to users through Web-based tools or application software, which brings great challenges to traditional service modes. Because of the rapid increase of the number of Web services in cloud computing environment, the traditional service selection method can no longer meet the complex and dynamic needs of users. It has become an urgent problem to select the best quality of service from the mass candidate service set and to form a composite service to meet the needs of users. In order to solve the problem of large-scale service selection in cloud computing environment, the paper applies Web services technology, discrete firefly swarm optimization algorithm (DGSO) and cloud computing technology, and integrates discrete firefly swarm optimization algorithm into cloud computing technology. Implement the parallel computing of fireflies in cloud computing environment. The main research contents are as follows: (1) in order to provide the support of traditional selection method for mass Web service selection, a service selection method based on improved discrete Firefly swarm optimization algorithm (IDGSO) is proposed in this paper. The algorithm redefines the coding of individuals, the calculation formula of distance between individuals, improves the updating of position, the processing of infeasible solutions and the related parameters, and combines with the theory of clustering. Population diversity and searching ability in high-dimensional space are improved. (2) aiming at the massive Web services in cloud computing environment, the paper uses Map reduce mode of cloud computing to parallelize the improved discrete firefly swarm optimization algorithm. A service selection method based on MRDGSO algorithm is proposed. The algorithm redefines the encoding method of fireflies and integrates the clustering strategy to realize multi-cluster parallel computing in cloud environment. The experimental results show that the algorithm has good performance in expansibility and performance.
【學(xué)位授予單位】：合肥工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP18;TP393.09

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 孫運英，，夏紅霞，趙愚，劉定飛;棧的一種算法理論[J];武漢工業(yè)大學(xué)學(xué)報;1995年01期

2 許道云;;全息算法的原理及應(yīng)用[J];計算機科學(xué)與探索;2011年02期

3 段海濱,王道波,朱家強,黃向華;蟻群算法理論及應(yīng)用研究的進(jìn)展[J];控制與決策;2004年12期

4 段海濱;王道波;于秀芬;;幾種新型仿生優(yōu)化算法的比較研究[J];計算機仿真;2007年03期

5 劉永廣;葉梧;馮穗力;;一種基于非線性長度的多約束路由算法[J];計算機應(yīng)用研究;2008年11期

6 劉永廣;葉梧;馮穗力;;一種基于蟻群算法和非線性長度的多約束路由算法[J];通信技術(shù);2009年08期

7 劉振;胡云安;;一種多粒度模式蟻群算法及其在路徑規(guī)劃中的應(yīng)用[J];中南大學(xué)學(xué)報(自然科學(xué)版);2013年09期

8 羅景峰;;智能算法求解效果評價的物元模型[J];微電子學(xué)與計算機;2011年04期

9 劉芳,李陽陽;量子克隆進(jìn)化算法[J];電子學(xué)報;2003年S1期

10 周雅蘭;;細(xì)菌覓食優(yōu)化算法的研究與應(yīng)用[J];計算機工程與應(yīng)用;2010年20期

相關(guān)會議論文 前1條

1 董家瑞;王精業(yè);潘麗君;;改進(jìn)的Dijksta算法在裝備保障系統(tǒng)中的應(yīng)用[A];圖像圖形技術(shù)與應(yīng)用進(jìn)展——第三屆圖像圖形技術(shù)與應(yīng)用學(xué)術(shù)會議論文集[C];2008年

相關(guān)博士學(xué)位論文 前9條

1 高衛(wèi)峰;人工蜂群算法及其應(yīng)用的研究[D];西安電子科技大學(xué);2013年

2 張捷;進(jìn)化算法及智能數(shù)據(jù)挖掘若干問題研究[D];西安電子科技大學(xué);2013年

3 程世娟;改進(jìn)蟻群算法及其在結(jié)構(gòu)系統(tǒng)可靠性優(yōu)化中的應(yīng)用[D];西南交通大學(xué);2009年

4 楊振宇;基于自然計算的實值優(yōu)化算法與應(yīng)用研究[D];中國科學(xué)技術(shù)大學(xué);2010年

5 郭慶昌;均值移動算法及在圖像處理和目標(biāo)跟蹤中的應(yīng)用研究[D];哈爾濱工程大學(xué);2008年

6 金勁;群集智能算法在網(wǎng)絡(luò)策略中的研究及其應(yīng)用[D];蘭州理工大學(xué);2011年

7 鄭樂;寬頻帶雷達(dá)目標(biāo)跟蹤理論與算法研究[D];北京理工大學(xué);2015年

8 劉劍;非圓信號波達(dá)方向估計算法研究[D];國防科學(xué)技術(shù)大學(xué);2007年

9 張瑞秋;面向SMT的錐束CT圖像重構(gòu)關(guān)鍵理論與BGA焊點檢測算法[D];華南理工大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 黃林;空間復(fù)用MIMO系統(tǒng)接收端的球形譯碼檢測算法研究[D];寧夏大學(xué);2015年

2 牛麗娟;基于Gossip算法的無線傳感器網(wǎng)絡(luò)分布式參數(shù)場估計[D];哈爾濱工業(yè)大學(xué);2015年

3 卓靜一;液晶相控陣波前相位校正算法研究[D];電子科技大學(xué);2014年

4 張瑩;視頻異常事件檢測算法研究[D];大連理工大學(xué);2015年

5 張博;基于多用戶MIMO系統(tǒng)的魯棒性信號檢測算法研究[D];大連理工大學(xué);2015年

6 陳望;基于混合算法的室內(nèi)WLAN定位研究[D];新疆大學(xué);2015年

7 陳宗文;霍夫森林框架下的多目標(biāo)檢測與跟蹤算法研究[D];東北大學(xué);2013年

8 張亞玲;衛(wèi)星導(dǎo)航抗干擾算法研究及系統(tǒng)設(shè)計[D];西安電子科技大學(xué);2014年

9 賈佳蔚;基于粒子濾波的檢測前跟蹤算法研究[D];電子科技大學(xué);2015年

10 劉洪彬;Hadoop下基于邊聚類的重疊社區(qū)發(fā)現(xiàn)算法研究[D];安徽工業(yè)大學(xué);2015年

本文編號：2125906