本文關(guān)鍵詞：云計算下基于蟻群優(yōu)化算法的資源分配研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著互聯(lián)網(wǎng)技術(shù)和信息技術(shù)的爆炸式發(fā)展,越來越多的企業(yè)和個人都傾向于使用互聯(lián)網(wǎng)來開展自己的業(yè)務(wù)和工作,這就導(dǎo)致互聯(lián)網(wǎng)中的信息量不斷堆積。伴隨著大量的移動設(shè)備接入互聯(lián)網(wǎng),使信息量的增長趨勢相當(dāng)迅猛。傳統(tǒng)的計算模式已經(jīng)不能滿足用戶對互聯(lián)網(wǎng)的需求,在這樣的大背景下,一種新興的基于分布式計算的計算模型—“云計算”應(yīng)運而生。在云計算的發(fā)展過程中,資源分配問題作為云計算的一項關(guān)鍵技術(shù)還處在研究發(fā)展階段。云環(huán)境下的資源分配主要要解決兩個問題,其一是要充分的利用云環(huán)境中的資源,建立有效的運行機制來協(xié)調(diào)性能與負(fù)載之間的平衡,另一個是如果云環(huán)境中的某一個資源出現(xiàn)損壞、丟失或者需求發(fā)生變化時,資源的分配策略是否可以有效的實時調(diào)整。本文主要研究的是云計算下資源分配算法的優(yōu)化,在總結(jié)前輩工作的基礎(chǔ)上,本文所做的主要研究工作和創(chuàng)新點如下:1.描述了蟻群算法的原理并分析了蟻群算法的優(yōu)缺點,在此基礎(chǔ)上,提出了一些對蟻群算法的改進(jìn):對做變異交叉操作,變異操作可以有效的降低算法陷入局部最優(yōu)解的風(fēng)險,交叉變異操作得出的新解往往比之前的兩條較優(yōu)解更接近于全局最優(yōu)解,這樣可以加快解的收斂以及增加了準(zhǔn)確性;通過本次迭代的最優(yōu)解對該條路徑上的信息素濃度做一次加強,可以增加算法收斂的準(zhǔn)確性。并通過一個實驗驗證改進(jìn)后蟻群算法的性能確實有所提高。2.蟻群算法在算法初期由于信息素濃度是均勻分布的,這就導(dǎo)致算法初期的搜索比較盲目,影響整個算法的收斂速度。在此基礎(chǔ)上,通過融合遺傳算法和蟻群算法作為一種新型的算法RAAG(Refinement Algorithm for ACO and GA),并對兩個算法融合的具體實現(xiàn)進(jìn)行了說明。該算法利用遺傳算法在前期的快速全局搜索能力彌補了蟻群算法的前期搜索能力的不足,通過將遺傳算法的最優(yōu)解轉(zhuǎn)化為蟻群算法的初始信息素,提升了整體算法的性能。最后通過CloudSim仿真平臺實驗驗證了該算法的性能和可行性,總結(jié)本文所做的工作以及對云計算下的資源分配問題的研究進(jìn)行展望。
【關(guān)鍵詞】：云計算 資源分配 蟻群算法 遺傳算法 分布式
【學(xué)位授予單位】：杭州電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP18;TP3
【目錄】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 緒論10-14
• 1.1 課題研究背景及意義10-11
• 1.2 課題研究現(xiàn)狀11-12
• 1.3 本文的主要工作12-13
• 1.4 本文的組織結(jié)構(gòu)13-14
• 第二章 云環(huán)境下資源分配概述14-25
• 2.1 資源分配理論基礎(chǔ)14-18
• 2.1.1 云計算資源管理體系14-16
• 2.1.2 資源分配的定義16-17
• 2.1.3 基于QoS的任務(wù)分類17-18
• 2.2 資源分配相關(guān)技術(shù)18-21
• 2.2.1 并行編程模式18-19
• 2.2.2 虛擬化技術(shù)19-20
• 2.2.3 負(fù)載均衡技術(shù)20-21
• 2.3 常用算法21-23
• 2.4 本章小結(jié)23-25
• 第三章 云計算環(huán)境下蟻群算法的優(yōu)化25-37
• 3.1 蟻群算法的數(shù)學(xué)模型25-28
• 3.2 參數(shù)選定28-31
• 3.3 蟻群算法的優(yōu)化31-33
• 3.3.1 全局信息素濃度強化31-32
• 3.3.2 交叉變異操作32-33
• 3.3.3 與其他算法融合33
• 3.4 參數(shù)轉(zhuǎn)化33-34
• 3.5 實驗仿真與分析34-36
• 3.6 本章小結(jié)36-37
• 第四章 遺傳算法和優(yōu)化蟻群算法的融合37-45
• 4.1 蟻群算法前期搜索存在的問題37-38
• 4.2 RAAG算法設(shè)計思路38
• 4.3 RAAG算法初期38-40
• 4.3.1 遺傳算法模型構(gòu)建38-39
• 4.3.2 遺傳算法的流程39-40
• 4.4 RAAG算法的融合技術(shù)40-42
• 4.4.1 融合點的確定40-41
• 4.4.2 初始信息素轉(zhuǎn)化41-42
• 4.5 RAAG算法后期42-43
• 4.6 算法總流程43-44
• 4.7 本章小結(jié)44-45
• 第五章 實驗仿真及分析45-51
• 5.1 CloudSim簡介45-46
• 5.2 仿真實驗46-50
• 5.2.1 環(huán)境搭建46-47
• 5.2.2 實驗結(jié)果與分析47-50
• 5.3 本章小結(jié)50-51
• 第六章 總結(jié)與展望51-53
• 6.1 總結(jié)51
• 6.2 展望51-53
• 致謝53-54
• 參考文獻(xiàn)54-57
• 附錄57-58
• 詳細(xì)摘要逡逑58-60

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 吳瑞鏞,徐大紋;具有年齡結(jié)構(gòu)的遺傳算法[J];桂林電子工業(yè)學(xué)院學(xué)報;2001年04期

2 楊艷麗,史維祥;一種新的優(yōu)化算法—遺傳算法的設(shè)計[J];液壓氣動與密封;2001年02期

3 楊宜康,李雪,彭勤科,黃永宣;具有年齡結(jié)構(gòu)的遺傳算法[J];計算機工程與應(yīng)用;2002年11期

4 谷峰,吳勇,唐俊;遺傳算法的改進(jìn)[J];微機發(fā)展;2003年06期

5 ;遺傳算法[J];計算機教育;2004年10期

6 趙義紅,李正文,何其四;生物信息處理系統(tǒng)遺傳算法探討[J];成都理工大學(xué)學(xué)報(自然科學(xué)版);2004年05期

7 劉坤,劉偉波,吳忠強;基于模糊遺傳算法的電液位置伺服系統(tǒng)控制[J];黑龍江科技學(xué)院學(xué)報;2005年04期

8 張英俐,劉弘 ,馬金剛;遺傳算法作曲系統(tǒng)研究[J];信息技術(shù)與信息化;2005年05期

9 丁發(fā)智;;淺談遺傳算法[J];烏魯木齊成人教育學(xué)院學(xué)報;2005年04期

10 李冰潔;;遺傳算法及其應(yīng)用實例[J];吉林工程技術(shù)師范學(xué)院學(xué)報;2005年12期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 陳家照;廖海濤;張中位;羅寅生;;一種改進(jìn)的遺傳算法及其在路徑規(guī)劃中的應(yīng)用[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會議論文集[C];2009年

2 李國云;劉穎;薛梅;鄔志敏;;遺傳算法在高溫空冷冷凝器優(yōu)化設(shè)計中的應(yīng)用[A];第五屆全國制冷空調(diào)新技術(shù)研討會論文集[C];2008年

3 王志軍;李守春;張爽;;改進(jìn)的遺傳算法在反演問題中的應(yīng)用[A];新世紀(jì) 新機遇 新挑戰(zhàn)——知識創(chuàng)新和高新技術(shù)產(chǎn)業(yè)發(fā)展（上冊）[C];2001年

4 任燕翔;姜立;劉連民;從滋慶;;改進(jìn)遺傳算法在三維日照方案優(yōu)化中的應(yīng)用[A];工程三維模型與虛擬現(xiàn)實表現(xiàn)——第二屆工程建設(shè)計算機應(yīng)用創(chuàng)新論壇論文集[C];2009年

5 韓娟;;遺傳算法概述[A];第三屆河南省汽車工程科技學(xué)術(shù)研討會論文集[C];2006年

6 龐國仲;王元西;;基于遺傳算法控制步長的定性仿真方法[A];'2000系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會論文集[C];2000年

7 張忠華;楊淑瑩;;基于遺傳算法的聚類設(shè)計[A];全國第二屆信號處理與應(yīng)用學(xué)術(shù)會議�？痆C];2008年

8 何翠紅;區(qū)益善;;遺傳算法及其在計算機編程中的應(yīng)用[A];1995年中國智能自動化學(xué)術(shù)會議暨智能自動化專業(yè)委員會成立大會論文集（下冊）[C];1995年

9 靳開巖;張乃堯;;幾種實用遺傳算法及其比較[A];1996年中國智能自動化學(xué)術(shù)會議論文集（下冊）[C];1996年

10 王宏剛;曾建潮;李志宏;;攝動遺傳算法[A];1996年中國智能自動化學(xué)術(shù)會議論文集（下冊）[C];1996年

中國重要報紙全文數(shù)據(jù)庫 前1條

1 林京;《神經(jīng)網(wǎng)絡(luò)和遺傳算法在水科學(xué)領(lǐng)域的應(yīng)用》將面市[N];中國水利報;2002年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 蔡美菊;交互式遺傳算法及其在隱性目標(biāo)決策問題中的應(yīng)用研究[D];合肥工業(yè)大學(xué);2015年

2 張士偉;三維聲學(xué)快速多極基本解法在機械噪聲預(yù)測中的應(yīng)用研究[D];沈陽工業(yè)大學(xué);2016年

3 高軍;無鉛焊料本構(gòu)模型及其參數(shù)識別方法研究[D];南京航空航天大學(xué);2015年

4 Amjad Mahmood;半監(jiān)督進(jìn)化集成及其在網(wǎng)絡(luò)視頻分類中的應(yīng)用[D];西南交通大學(xué);2015年

5 周輝仁;遞階遺傳算法理論及其應(yīng)用研究[D];天津大學(xué);2008年

6 郝國生;交互式遺傳算法中用戶的認(rèn)知規(guī)律及其應(yīng)用[D];中國礦業(yè)大學(xué);2009年

7 侯格賢;遺傳算法及其在跟蹤系統(tǒng)中的應(yīng)用研究[D];西安電子科技大學(xué);1998年

8 馬國田;遺傳算法及其在電磁工程中的應(yīng)用[D];西安電子科技大學(xué);1998年

9 唐文艷;結(jié)構(gòu)優(yōu)化中的遺傳算法研究和應(yīng)用[D];大連理工大學(xué);2002年

10 周激流;遺傳算法理論及其在水問題中應(yīng)用的研究[D];四川大學(xué);2000年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 張英俐;基于遺傳算法的作曲系統(tǒng)研究[D];山東師范大學(xué);2006年

2 鐘海萍;原對偶遺傳算法與蟻群算法的一種融合算法[D];暨南大學(xué);2013年

3 彭騫;基于遺傳算法的山區(qū)高等級公路縱斷面智能優(yōu)化方法研究[D];昆明理工大學(xué);2015年

4 周玉林;基于小波分析和遺傳算法的配電網(wǎng)故障檢測[D];昆明理工大學(xué);2015年

5 郭頌;基于粗糙集和遺傳算法的數(shù)字管道生產(chǎn)管理系統(tǒng)研究[D];昆明理工大學(xué);2015年

6 吳南;數(shù)值逼近遺傳算法的研究應(yīng)用[D];華南理工大學(xué);2015年

7 于光帥;一類優(yōu)化算法的改進(jìn)研究與應(yīng)用[D];渤海大學(xué);2015年

8 吳欣欣;改進(jìn)GA-TS算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)入侵檢測研究[D];湖南工業(yè)大學(xué);2015年

9 王壘;基于遺傳算法的A型單喇叭互通立交線形優(yōu)化[D];長安大學(xué);2015年

10 龔高;基于遺傳算法的橋梁結(jié)構(gòu)傳感器優(yōu)化布置研究[D];長安大學(xué);2015年

  本文關(guān)鍵詞：云計算下基于蟻群優(yōu)化算法的資源分配研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：335151