QoS約束下基于蟻群算法的云計(jì)算任務(wù)調(diào)度策略研究
發(fā)布時間:2025-01-18 12:49
任務(wù)調(diào)度是云計(jì)算運(yùn)行過程的重要環(huán)節(jié),關(guān)乎著調(diào)度系統(tǒng)的整體性能;谠朴(jì)算的基礎(chǔ)設(shè)施、平臺、軟件三層服務(wù)體系中均關(guān)聯(lián)著任務(wù)調(diào)度與資源分配問題。好的任務(wù)調(diào)度算法可縮短任務(wù)完成時間,減少任務(wù)完成成本,從而提高用戶滿意度。基于云計(jì)算動態(tài)伸縮特征,在滿足用戶需求變化的條件下,實(shí)現(xiàn)計(jì)算資源高效率分配成為任務(wù)調(diào)度中研究熱點(diǎn)。蟻群算法在解決NP-hard問題的云計(jì)算任務(wù)調(diào)度中廣泛應(yīng)用,并取得較好的調(diào)度效果。但蟻群算法的缺陷是初始信息素匱乏、容易陷入局部最優(yōu)解。現(xiàn)有調(diào)度算法優(yōu)化目標(biāo)相對單一,大部分調(diào)度模型僅考慮任務(wù)完成時間、負(fù)載均衡、用戶滿意度等指標(biāo)中的單一目標(biāo)。對于用戶任務(wù)具有截止完成時間和預(yù)期費(fèi)用QoS(Quality of Service)約束下優(yōu)化用戶滿意度的調(diào)度策略考慮較少。本文提出一種QoS約束下基于蟻群算法的云計(jì)算任務(wù)調(diào)度策略。本文的研究內(nèi)容是任務(wù)調(diào)度到虛擬機(jī)上的策略問題。目的是提高虛擬機(jī)資源利用率的同時減少任務(wù)消耗時間并提升用戶綜合滿意度。在考慮用戶截止完成時間和任務(wù)預(yù)期費(fèi)用兩個QoS約束下,分別建立時間和費(fèi)用隸屬度函數(shù)。將兩個評價指標(biāo)歸一化處理定義為用戶滿意度函數(shù),并融入到蟻群算法信息素...
【文章頁數(shù)】:63 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
abstract
第1章 緒論
1.1 研究背景和研究意義
1.1.1 研究背景
1.1.2 課題研究意義
1.2 研究現(xiàn)狀
1.3 論文主要研究內(nèi)容
1.4 本文組織結(jié)構(gòu)
第2章 云任務(wù)調(diào)度相關(guān)概述
2.1 云計(jì)算簡介
2.2 云計(jì)算中的任務(wù)調(diào)度
2.2.1 任務(wù)調(diào)度的定義
2.2.2 任務(wù)調(diào)度的目標(biāo)
2.2.3 任務(wù)調(diào)度中存在的問題
2.3 云計(jì)算中任務(wù)調(diào)度算法
2.3.1 傳統(tǒng)的任務(wù)調(diào)度算法
2.3.2 智能啟發(fā)任務(wù)調(diào)度算法
2.4 基本蟻群算法
2.4.1 蟻群算法概述
2.4.2 蟻群算法基本原理
2.4.3 蟻群算法的模型描述
2.4.4 蟻群算法的具體實(shí)現(xiàn)
2.5 本章小結(jié)
第3章 基于蟻群算法的云任務(wù)調(diào)度策略
3.1 云計(jì)算任務(wù)調(diào)度模型
3.1.1 任務(wù)定義
3.1.2 虛擬機(jī)定義
3.1.3 優(yōu)化目標(biāo)函數(shù)的定義
3.2 QoS約束下基于蟻群算法的云計(jì)算任務(wù)調(diào)度策略
3.2.1 信息素初始化
3.2.2 螞蟻概率轉(zhuǎn)移規(guī)則
3.2.3 啟發(fā)函數(shù)的定義
3.2.4 信息素更新規(guī)則
3.2.5 算法的性能指標(biāo)
3.2.6 算法具體流程
3.3 本章小結(jié)
第4章 Q-ACO算法的參數(shù)設(shè)置研究
4.1 信息素啟發(fā)因子α的研究與設(shè)定
4.2 期望啟發(fā)因子β的研究與設(shè)定
4.3 信息素?fù)]發(fā)因子ρ的研究與設(shè)定
4.4 本章小結(jié)
第5章 仿真實(shí)驗(yàn)與結(jié)果分析
5.1 實(shí)驗(yàn)環(huán)境簡介
5.1.1 Cloudsim仿真平臺的簡介
5.1.2 Cloudsim核心類
5.1.3 Cloudsim仿真平臺的搭建
5.2 實(shí)驗(yàn)環(huán)境設(shè)置
5.3 實(shí)驗(yàn)結(jié)果與分析
5.3.1 任務(wù)時間對比
5.3.2 任務(wù)完成成本對比
5.3.3 用戶滿意度對比
5.4 本章小結(jié)
第6章 總結(jié)及未來工作
6.1 工作總結(jié)
6.2 未來工作
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間從事的科研工作及取得的成果
本文編號:4028636
【文章頁數(shù)】:63 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
abstract
第1章 緒論
1.1 研究背景和研究意義
1.1.1 研究背景
1.1.2 課題研究意義
1.2 研究現(xiàn)狀
1.3 論文主要研究內(nèi)容
1.4 本文組織結(jié)構(gòu)
第2章 云任務(wù)調(diào)度相關(guān)概述
2.1 云計(jì)算簡介
2.2 云計(jì)算中的任務(wù)調(diào)度
2.2.1 任務(wù)調(diào)度的定義
2.2.2 任務(wù)調(diào)度的目標(biāo)
2.2.3 任務(wù)調(diào)度中存在的問題
2.3 云計(jì)算中任務(wù)調(diào)度算法
2.3.1 傳統(tǒng)的任務(wù)調(diào)度算法
2.3.2 智能啟發(fā)任務(wù)調(diào)度算法
2.4 基本蟻群算法
2.4.1 蟻群算法概述
2.4.2 蟻群算法基本原理
2.4.3 蟻群算法的模型描述
2.4.4 蟻群算法的具體實(shí)現(xiàn)
2.5 本章小結(jié)
第3章 基于蟻群算法的云任務(wù)調(diào)度策略
3.1 云計(jì)算任務(wù)調(diào)度模型
3.1.1 任務(wù)定義
3.1.2 虛擬機(jī)定義
3.1.3 優(yōu)化目標(biāo)函數(shù)的定義
3.2 QoS約束下基于蟻群算法的云計(jì)算任務(wù)調(diào)度策略
3.2.1 信息素初始化
3.2.2 螞蟻概率轉(zhuǎn)移規(guī)則
3.2.3 啟發(fā)函數(shù)的定義
3.2.4 信息素更新規(guī)則
3.2.5 算法的性能指標(biāo)
3.2.6 算法具體流程
3.3 本章小結(jié)
第4章 Q-ACO算法的參數(shù)設(shè)置研究
4.1 信息素啟發(fā)因子α的研究與設(shè)定
4.2 期望啟發(fā)因子β的研究與設(shè)定
4.3 信息素?fù)]發(fā)因子ρ的研究與設(shè)定
4.4 本章小結(jié)
第5章 仿真實(shí)驗(yàn)與結(jié)果分析
5.1 實(shí)驗(yàn)環(huán)境簡介
5.1.1 Cloudsim仿真平臺的簡介
5.1.2 Cloudsim核心類
5.1.3 Cloudsim仿真平臺的搭建
5.2 實(shí)驗(yàn)環(huán)境設(shè)置
5.3 實(shí)驗(yàn)結(jié)果與分析
5.3.1 任務(wù)時間對比
5.3.2 任務(wù)完成成本對比
5.3.3 用戶滿意度對比
5.4 本章小結(jié)
第6章 總結(jié)及未來工作
6.1 工作總結(jié)
6.2 未來工作
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間從事的科研工作及取得的成果
本文編號:4028636
本文鏈接:http://sikaile.net/kejilunwen/zidonghuakongzhilunwen/4028636.html
最近更新
教材專著