本文關(guān)鍵詞：優(yōu)化粒子群和蟻群算法的云計(jì)算任務(wù)調(diào)度研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：針對互聯(lián)網(wǎng)應(yīng)用數(shù)據(jù)量龐大并呈現(xiàn)爆炸式增長,伴隨著海量數(shù)據(jù)的存儲(chǔ)與處理等問題,云計(jì)算技術(shù)應(yīng)運(yùn)而生。云計(jì)算任務(wù)調(diào)度是云計(jì)算的關(guān)鍵技術(shù)之一,一個(gè)好的任務(wù)調(diào)度算法,不僅可以幫助我們打造一個(gè)穩(wěn)定、健壯、節(jié)能的云計(jì)算環(huán)境,還可以提高用戶使用云計(jì)算服務(wù)的滿意度。本文針對基于任務(wù)完成時(shí)間優(yōu)化的云計(jì)算任務(wù)調(diào)度問題,研究并提出了多個(gè)任務(wù)調(diào)度算法,具有重要的理論研究意義和實(shí)用價(jià)值。論文創(chuàng)新性工作體現(xiàn)在以下幾個(gè)方面:針對單一調(diào)度算法難以適應(yīng)云計(jì)算環(huán)境中不同類型任務(wù)的調(diào)度,提出了多級(jí)隊(duì)列調(diào)度策略。該策略將不同類型的任務(wù)按照任務(wù)優(yōu)先級(jí)順序安排到不同的隊(duì)列之中,有效滿足了云計(jì)算任務(wù)調(diào)度多樣性的要求。針對該策略,設(shè)計(jì)了一種簡單高效的任務(wù)調(diào)度算法,該算法實(shí)現(xiàn)資源和任務(wù)配對,不但優(yōu)化了任務(wù)完成時(shí)間,而且平衡了資源負(fù)載壓力。實(shí)驗(yàn)數(shù)據(jù)表明,在復(fù)雜的云環(huán)境中該算法和多級(jí)隊(duì)列調(diào)度策略的結(jié)合取得了顯著的實(shí)驗(yàn)效果。針對傳統(tǒng)調(diào)度算法難以實(shí)現(xiàn)多目標(biāo)優(yōu)化等諸多問題,提出了一種帶極值擾動(dòng)的相關(guān)性粒子群(EDCPSO)算法。該算法運(yùn)用Copular函數(shù)建立隨機(jī)因子之間的相關(guān)性,解決了粒子群算法在尋優(yōu)過程中沒有考慮隨機(jī)因子作用而造成全局優(yōu)化能力不足的缺陷;添加極值擾動(dòng)算子,解決了粒子群算法后期收斂精度低的問題。仿真實(shí)驗(yàn)顯示,該算法優(yōu)于標(biāo)準(zhǔn)粒子群算法和傳統(tǒng)FIFO調(diào)度算法,是一種有效的任務(wù)調(diào)度算法。最后,通過分析粒子群算法和蟻群算法的優(yōu)缺點(diǎn),提出了一種融合二者優(yōu)點(diǎn)的任務(wù)調(diào)度算法(PSACO2)。該算法將迭代過程分為兩個(gè)階段:首先使用粒子群算法,實(shí)現(xiàn)了云計(jì)算任務(wù)調(diào)度的快速收斂;接著使用蟻群算法,提高了云計(jì)算任務(wù)調(diào)度對資源的尋優(yōu)能力。實(shí)驗(yàn)結(jié)果證明,該算法優(yōu)于這些算法單獨(dú)使用時(shí)的效率。
【關(guān)鍵詞】：云計(jì)算 任務(wù)調(diào)度 多級(jí)隊(duì)列 粒子群算法 蟻群算法
【學(xué)位授予單位】：南京航空航天大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP18
【目錄】：

• 摘要4-5
• ABSTRACT5-13
• 縮略詞13-14
• 第一章 緒論14-23
• 1.1 研究背景和意義14-17
• 1.2 研究現(xiàn)狀分析17-20
• 1.3 論文主要工作20
• 1.4 論文組織結(jié)構(gòu)20-23
• 第二章 基于優(yōu)先級(jí)的多級(jí)隊(duì)列調(diào)度策略23-31
• 2.1 云環(huán)境下的任務(wù)調(diào)度結(jié)構(gòu)23-24
• 2.2 多級(jí)隊(duì)列調(diào)度策略24-25
• 2.3 eMin-Min算法25-28
• 2.3.1 Min-Min算法26-27
• 2.3.2 改進(jìn)Min-Min算法的eMin-Min算法27-28
• 2.4 實(shí)驗(yàn)結(jié)果與分析28-30
• 2.5 本章小結(jié)30-31
• 第三章 優(yōu)化粒子群的云計(jì)算任務(wù)調(diào)度算法31-50
• 3.1 智能優(yōu)化算法簡介31-36
• 3.2 標(biāo)準(zhǔn)PSO算法36-37
• 3.3 粒子編碼及初始化37-38
• 3.3.1 粒子編碼37-38
• 3.3.2 種群初始化38
• 3.3.3 適應(yīng)度函數(shù)38
• 3.4 相關(guān)性PSO算法38-43
• 3.4.1 Copula相關(guān)知識(shí)39-40
• 3.4.2 CPSO算法40-42
• 3.4.3 CPSO算法的粒子行為分析42-43
• 3.5 CPSO算法的收斂性分析43-45
• 3.6 帶極值擾動(dòng)的CPSO算法45-46
• 3.6.1 極值擾動(dòng)45
• 3.6.2 EDCPSO算法45-46
• 3.7 云計(jì)算任務(wù)調(diào)度中的多目標(biāo)優(yōu)化46-47
• 3.8 實(shí)驗(yàn)結(jié)果與分析47-49
• 3.8.1 實(shí)驗(yàn)結(jié)果48-49
• 3.8.2 實(shí)驗(yàn)分析49
• 3.9 本章小結(jié)49-50
• 第四章 融合粒子群和蟻群的云計(jì)算任務(wù)調(diào)度算法50-65
• 4.1 粒子編碼及初始化51-52
• 4.1.1 粒子編碼51-52
• 4.1.2 種群初始化52
• 4.1.3 適應(yīng)度函數(shù)52
• 4.2 PSO算法分析52-53
• 4.3 ACO算法分析53-55
• 4.3.1 信息素初始化54
• 4.3.2 路徑選擇54
• 4.3.3 更新信息素54-55
• 4.4 融合PSO和ACO的PSACO2算法55-58
• 4.4.1 PSACO2算法思想55
• 4.4.2 PSACO2算法實(shí)現(xiàn)55-58
• 4.5 PSACO2算法的復(fù)雜度分析58-59
• 4.6 PSACO2算法的收斂性分析59-62
• 4.7 實(shí)驗(yàn)結(jié)果與分析62-64
• 4.7.1 實(shí)驗(yàn)結(jié)果63-64
• 4.7.2 實(shí)驗(yàn)分析64
• 4.8 本章小結(jié)64-65
• 第五章 云計(jì)算任務(wù)調(diào)度算法測試平臺(tái)的實(shí)現(xiàn)65-82
• 5.1 CloudSim簡介65-67
• 5.1.1 CloudSim體系結(jié)構(gòu)65-66
• 5.1.2 CloudSim技術(shù)實(shí)現(xiàn)66-67
• 5.2 CloudSim的安裝方法67-69
• 5.3 CloudSim中任務(wù)調(diào)度算法的擴(kuò)展69-72
• 5.4 云計(jì)算任務(wù)調(diào)度算法測試平臺(tái)的設(shè)計(jì)72-79
• 5.4.1 功能描述73-76
• 5.4.2 數(shù)據(jù)庫設(shè)計(jì)76-79
• 5.5 實(shí)驗(yàn)結(jié)果與分析79-81
• 5.5.1 實(shí)驗(yàn)結(jié)果79-80
• 5.5.2 實(shí)驗(yàn)分析80-81
• 5.6 本章小結(jié)81-82
• 第六章 總結(jié)與展望82-84
• 6.1 論文總結(jié)82
• 6.2 研究展望82-84
• 參考文獻(xiàn)84-88
• 致謝88-89
• 攻讀碩士期間發(fā)表的學(xué)術(shù)論文89-90
• 附錄A 相關(guān)性粒子群算法的詳細(xì)實(shí)現(xiàn)代碼90-92
• 附錄B 基于CloudSim仿真的詳細(xì)實(shí)現(xiàn)代碼92-96
• 附錄C 實(shí)驗(yàn)設(shè)置的任務(wù)與資源的詳細(xì)信息96-98

  本文關(guān)鍵詞：優(yōu)化粒子群和蟻群算法的云計(jì)算任務(wù)調(diào)度研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：265410