本文關(guān)鍵詞：云計(jì)算中基于CloudSim的改進(jìn)粒子群調(diào)度算法研究

  更多相關(guān)文章： 云計(jì)算 任務(wù)調(diào)度 粒子群算法 慣性權(quán)重 CloudSim

【摘要】：云計(jì)算是分布式計(jì)算、并行計(jì)算、網(wǎng)格計(jì)算、虛擬化、負(fù)載均衡、網(wǎng)絡(luò)存儲(chǔ)等傳統(tǒng)計(jì)算機(jī)技術(shù)和網(wǎng)絡(luò)技術(shù)融合的產(chǎn)物,是基于網(wǎng)絡(luò)的新興技術(shù)。云計(jì)算的資源池由大量性能不同的資源節(jié)點(diǎn)構(gòu)成,隨著用戶需求的不斷增長(zhǎng),如何將大規(guī)模任務(wù)分配到有限的資源節(jié)點(diǎn),提升用戶滿意度,實(shí)現(xiàn)負(fù)載均衡,是云計(jì)算需要研究的重要問(wèn)題。高效的任務(wù)調(diào)度,是有效發(fā)揮云計(jì)算潛力的重要步驟。在云計(jì)算中,一些任務(wù)需要被分配到不同的虛擬機(jī)上,以提高系統(tǒng)利用率和最小化完工時(shí)間。任務(wù)調(diào)度問(wèn)題是NP完全問(wèn)題,因此找到一個(gè)確切的解決方案是棘手的,特別是對(duì)于大規(guī)模的任務(wù)。為此本文提出了一種基于適應(yīng)度的動(dòng)態(tài)更新慣性權(quán)重的粒子群優(yōu)化算法,并對(duì)粒子群算法中的粒子進(jìn)行重新編碼,使其離散化,將改進(jìn)后的算法運(yùn)用到云計(jì)算任務(wù)調(diào)度問(wèn)題當(dāng)中。本文隨后還詳細(xì)介紹了云仿真工具CloudSim,并配置了實(shí)驗(yàn)環(huán)境。在仿真平臺(tái)上,對(duì)離散粒子群算法(Discrete Particle Swarm Optimization,DPSO)以及改進(jìn)的DPSO進(jìn)行了仿真實(shí)驗(yàn)。通過(guò)與DPSO算法、貪心策略、順序調(diào)度法對(duì)比仿真結(jié)果表明,在云計(jì)算任務(wù)調(diào)度問(wèn)題中,少量的任務(wù)調(diào)度,本文的改進(jìn)算法并不優(yōu)于其他分配算法,逐步增加任務(wù)量后,發(fā)現(xiàn)規(guī)模越大,DPSO收斂速度越快,相比其他調(diào)度算法的優(yōu)勢(shì)越明顯。對(duì)其仿真,表明算法用于任務(wù)調(diào)度問(wèn)題是可行且有效的,尤其是對(duì)于海量任務(wù)。
【關(guān)鍵詞】：云計(jì)算 任務(wù)調(diào)度 粒子群算法 慣性權(quán)重 CloudSim
【學(xué)位授予單位】：南昌大學(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3-4
• ABSTRACT4-7
• 第1章 緒論7-13
• 1.1 研究背景與研究意義7-8
• 1.1.1 研究背景7-8
• 1.1.2 研究意義8
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀8-10
• 1.2.1 經(jīng)典任務(wù)調(diào)度算法的運(yùn)用與改進(jìn)9
• 1.2.2 基于智能算法的任務(wù)調(diào)度研究9-10
• 1.3 論文主要工作10-11
• 1.4 論文的組織結(jié)構(gòu)11-13
• 第2章 云計(jì)算13-19
• 2.1 云計(jì)算概念13
• 2.2 云計(jì)算體系結(jié)構(gòu)13-15
• 2.3 云計(jì)算服務(wù)層次15-16
• 2.4 云計(jì)算的主要特征16-17
• 2.5 云計(jì)算任務(wù)調(diào)度概述17-18
• 2.6 本章小結(jié)18-19
• 第3章 粒子群優(yōu)化算法19-29
• 3.1 仿生算法概述19-20
• 3.2 粒子群優(yōu)化算法20-24
• 3.2.1 粒子群優(yōu)化算法原理20-21
• 3.2.2 粒子群優(yōu)化算法的數(shù)學(xué)模型21
• 3.2.3 粒子群優(yōu)化算法主要特點(diǎn)21-22
• 3.2.4 粒子群優(yōu)化算法流程22-24
• 3.3 基于慣性權(quán)重的改進(jìn)研究24-27
• 3.3.1 線性遞減權(quán)值策略24-25
• 3.3.2 周期性隨機(jī)擾動(dòng)策略25
• 3.3.3 自適應(yīng)動(dòng)態(tài)慣性權(quán)重因子25-26
• 3.3.4 隨著指數(shù)增長(zhǎng)的慣性權(quán)重改進(jìn)策略26
• 3.3.5 自適應(yīng)動(dòng)態(tài)調(diào)節(jié)的慣性權(quán)重改進(jìn)策略26-27
• 3.4 本文采用的改進(jìn)算法27-28
• 3.5 本章小結(jié)28-29
• 第4章 基于離散粒子群算法的云任務(wù)調(diào)度29-33
• 4.1 云環(huán)境下任務(wù)調(diào)度問(wèn)題的形式化表示29-30
• 4.2 基于任務(wù)調(diào)度問(wèn)題的離散粒子群算法30-32
• 4.2.1 粒子編碼30-31
• 4.2.2 算法流程31-32
• 4.3 本章小結(jié)32-33
• 第5章 仿真實(shí)驗(yàn)以及實(shí)驗(yàn)分析33-45
• 5.1 CloudSim仿真系統(tǒng)相關(guān)介紹33-37
• 5.1.1 CloudSim的體系結(jié)構(gòu)33-34
• 5.1.2 CloudSim的技術(shù)實(shí)現(xiàn)34-37
• 5.2 仿真實(shí)驗(yàn)的具體實(shí)現(xiàn)37-43
• 5.2.1 CloudSim平臺(tái)的擴(kuò)展37-38
• 5.2.2 實(shí)驗(yàn)環(huán)境與參數(shù)設(shè)置38-39
• 5.2.3 仿真實(shí)驗(yàn)與結(jié)果分析39-43
• 5.3 本章小結(jié)43-45
• 第6章 總結(jié)與展望45-47
• 6.1 總結(jié)45-46
• 6.2 展望46-47
• 致謝47-48
• 參考文獻(xiàn)48-50

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 邵明臣;彭業(yè)飛;張維繼;馮智鑫;張武湛;;粒子群算法慣性權(quán)重的自適應(yīng)改進(jìn)與研究[J];電腦知識(shí)與技術(shù);2016年02期

2 曹欲曉;俞翔;錢瑛;;一種蝙蝠算法優(yōu)化的云計(jì)算任務(wù)調(diào)度[J];微電子學(xué)與計(jì)算機(jī);2015年10期

3 徐華;張庭;;云計(jì)算環(huán)境下基于改進(jìn)離散粒子群的并行調(diào)度算法[J];華南理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年09期

4 陳金輝;陳辰;董飚;;基于自適應(yīng)策略的改進(jìn)粒子群算法[J];計(jì)算機(jī)仿真;2015年03期

5 劉冬梅;;云計(jì)算環(huán)境下改進(jìn)加權(quán)輪轉(zhuǎn)任務(wù)調(diào)度算法研究[J];牡丹江師范學(xué)院學(xué)報(bào)(自然科學(xué)版);2015年01期

6 袁曉林;施化吉;;基于模擬退火算法的云計(jì)算資源調(diào)度模型[J];軟件導(dǎo)刊;2015年02期

7 楊單;李超鋒;楊健;;基于改進(jìn)混沌螢火蟲(chóng)算法的云計(jì)算資源調(diào)度[J];計(jì)算機(jī)工程;2015年02期

8 李依桐;林燕;;基于混合粒子群算法的云計(jì)算任務(wù)調(diào)度研究[J];計(jì)算技術(shù)與自動(dòng)化;2014年01期

9 鄔開(kāi)俊;魯懷偉;;云環(huán)境下基于DPSO的任務(wù)調(diào)度算法[J];計(jì)算機(jī)工程;2014年01期

10 李煜;馬良;;新型全局優(yōu)化蝙蝠算法[J];計(jì)算機(jī)科學(xué);2013年09期

，

本文編號(hào)：601267