本文關(guān)鍵詞：RAQPSO算法的云計算資源調(diào)度策略

  更多相關(guān)文章： 云計算 資源調(diào)度 量子粒子群算法 慣性權(quán)值 反向?qū)W習(xí)

【摘要】：在"互聯(lián)網(wǎng)+"時代,云計算代表了一種新的商業(yè)模式,而云系統(tǒng)中用戶任務(wù)與計算節(jié)點的調(diào)度問題極大地影響著系統(tǒng)的性能和云競爭力。為此,提出了一種改進的量子粒子群算法——反向自適應(yīng)量子粒子群算法(RAQPSO),通過對慣性權(quán)值參數(shù)的調(diào)整和加入反向?qū)W習(xí)算子來提高算法的全局搜索能力,并將其應(yīng)用于云計算資源調(diào)度中,仿真驗證了算法的有效性。建立了云計算資源調(diào)度問題的模型;采用自適應(yīng)機制,將適應(yīng)度函數(shù)的變化程度作為慣性權(quán)值的更新因子,避免了單純地根據(jù)迭代次數(shù)的線性函數(shù)來取值,從而使粒子不易陷入局部最優(yōu);隨后加入粒子反向?qū)W習(xí)算子,加強了粒子全局搜索能力。實驗結(jié)果表明,RAQPSO算法大大節(jié)約了任務(wù)完成時間,并且保持了良好的計算節(jié)點負載平衡。
【作者單位】： 空軍工程大學(xué)裝備管理與安全工程學(xué)院;
【關(guān)鍵詞】： 云計算 資源調(diào)度 量子粒子群算法 慣性權(quán)值 反向?qū)W習(xí)
【基金】：國家自然科學(xué)基金(71501184)
【分類號】：TP18
【正文快照】： 引用格式:趙昱,惠曉濱,許建虹,等.RAQPSO算法的云計算資源調(diào)度策略[J].空軍工程大學(xué)學(xué)報:自然科學(xué)版,2016,17(6):70?75.ZHAOYu,HUI Xiaobin,XU Jianhong,et al.Cloud Computing Resource Scheduling Strategy Based on Improved RAQPSO Algorithm Research[J].Journal of Air

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 Xiong Fu;Yeliang Cang;;Task scheduling and virtual machine allocation policy in cloud computing environment[J];Journal of Systems Engineering and Electronics;2015年04期

2 徐文忠;彭志平;左敬龍;;基于遺傳算法的云計算資源調(diào)度策略研究[J];計算機測量與控制;2015年05期

3 苑帥;沈西挺;邵娜娜;;引入人工蜂群搜索算子的QPSO算法的改進實現(xiàn)[J];計算機工程與應(yīng)用;2016年15期

4 袁浩;李昌兵;;基于社會力群智能優(yōu)化算法的云計算資源調(diào)度[J];計算機科學(xué);2015年04期

5 周舟;胡志剛;宋鐵;于俊洋;;A novel virtual machine deployment algorithm with energy efficiency in cloud computing[J];Journal of Central South University;2015年03期

6 肖明清;楊召;薛輝輝;唐希浪;鄧俊;;云計算及其在測試領(lǐng)域的應(yīng)用探索[J];空軍工程大學(xué)學(xué)報(自然科學(xué)版);2015年01期

7 楊單;李超鋒;楊健;;基于改進混沌螢火蟲算法的云計算資源調(diào)度[J];計算機工程;2015年02期

8 Xiaolong Xu;Jiaxing Wu;Geng Yang;Ruchuan Wang;;Low-power task scheduling algorithm for large-scale cloud data centers[J];Journal of Systems Engineering and Electronics;2013年05期

9 劉衛(wèi)寧;靳洪兵;劉波;;基于改進量子遺傳算法的云計算資源調(diào)度[J];計算機應(yīng)用;2013年08期

10 林偉偉;齊德昱;;云計算資源調(diào)度研究綜述[J];計算機科學(xué);2012年10期

【共引文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 趙昱;惠曉濱;許建虹;鐘季龍;;RAQPSO算法的云計算資源調(diào)度策略[J];空軍工程大學(xué)學(xué)報(自然科學(xué)版);2016年06期

2 李建軍;;基于云計算組件模型的測試方法和技術(shù)研究[J];微型機與應(yīng)用;2016年22期

3 劉翱;鄧旭東;李維剛;;基于模擬退火的混合螢火蟲Memetic算法[J];計算機應(yīng)用;2016年11期

4 王焱;;基于K-means和蝙蝠算法的云計算虛擬機智能調(diào)度[J];現(xiàn)代電子技術(shù);2016年21期

5 胡小祥;劉漫丹;;一種基于濃度調(diào)節(jié)的改進型量子遺傳算法[J];華東理工大學(xué)學(xué)報(自然科學(xué)版);2016年05期

6 李維剛;馮寧;劉超;劉翱;;基于同步擾動隨機逼近的混合螢火蟲算法[J];武漢科技大學(xué)學(xué)報;2016年05期

7 劉曉軍;;云環(huán)境下數(shù)據(jù)中心網(wǎng)絡(luò)安全部署[J];中國管理信息化;2016年20期

8 任凱;吳恒;吳悅文;張文博;;混合型虛擬化資源管理系統(tǒng)[J];計算機系統(tǒng)應(yīng)用;2016年10期

9 向逾;胥川;陳鵬予;;醫(yī)學(xué)應(yīng)急救援中資源優(yōu)化調(diào)度方案研究[J];醫(yī)療衛(wèi)生裝備;2016年10期

10 吳偉美;陳勛;段班祥;楊忠明;曾文英;;虛擬機資源概率配置的云計算SEFFD算法[J];計算機與現(xiàn)代化;2016年10期

【二級參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 羅鵬;;基于GM-QPSO算法的數(shù)據(jù)庫查詢優(yōu)化[J];計算機工程與應(yīng)用;2014年08期

2 丁穎;李飛;;自適應(yīng)收擴系數(shù)的雙中心協(xié)作QPSO算法[J];計算機工程;2014年03期

3 沈時軍;劉欣然;張鴻;朱春鴿;;云計算中的服務(wù)可用性保障機制[J];通信學(xué)報;2014年02期

4 孟凡超;張海洲;初佃輝;;基于蟻群優(yōu)化算法的云計算資源負載均衡研究[J];華中科技大學(xué)學(xué)報(自然科學(xué)版);2013年S2期

5 董虎勝;陸萍;鐘寶江;;基于協(xié)同量子粒子群的自動配煤系統(tǒng)優(yōu)化[J];制造業(yè)自動化;2014年01期

6 高玉明;張仁津;;基于改進QPSO算法優(yōu)化SVR的上證指數(shù)預(yù)測[J];計算機仿真;2013年12期

7 趙吉;梅娟;傅毅;;一種結(jié)合云模型和QPSO優(yōu)化的RBFNN及其應(yīng)用[J];計算機應(yīng)用與軟件;2013年12期

8 王芳;李美安;段衛(wèi)軍;;基于動態(tài)自適應(yīng)蟻群算法的云計算任務(wù)調(diào)度[J];計算機應(yīng)用;2013年11期

9 吳濤;嚴余松;陳曦;;基于隨機評價機制的量子粒子群優(yōu)化算法及其參數(shù)控制[J];計算機應(yīng)用;2013年10期

10 劉衛(wèi)寧;靳洪兵;劉波;;基于改進量子遺傳算法的云計算資源調(diào)度[J];計算機應(yīng)用;2013年08期

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 陳建成;屠昂燕;;微粒群慣性權(quán)值的改進及收斂性分析[J];北京電子科技學(xué)院學(xué)報;2009年04期

2 黃瑯，

本文編號：520583