發(fā)布時(shí)間：2017-09-17 03:12

  本文關(guān)鍵詞：改進(jìn)混合蛙跳算法在云資源調(diào)度中的應(yīng)用

  更多相關(guān)文章： 云計(jì)算 資源調(diào)度 混合蛙跳算法 Min-Min算法 時(shí)間跨度

【摘要】：云計(jì)算已經(jīng)成為當(dāng)前家喻戶曉的一個(gè)科技熱詞,同時(shí)也成為學(xué)術(shù)界和產(chǎn)業(yè)界的熱點(diǎn)研究問(wèn)題,云計(jì)算技術(shù)虛擬化了所有資源,把這些資源放在一個(gè)巨大的資源池,并且把這些資源透明化的提供給用戶滿足需求,所以資源的虛擬化映射在應(yīng)用層和虛擬資源層的之間的虛擬映射成為云計(jì)算的一個(gè)關(guān)鍵問(wèn)題。如何找到一個(gè)合理的分配方案,成為資源調(diào)度的關(guān)鍵。很多研究人員,在近幾年,已經(jīng)做了很多的工作,提出了一系列資源調(diào)度相關(guān)策略。由于混合蛙跳算法出現(xiàn)時(shí)間短,很多理論基礎(chǔ)和參數(shù)設(shè)置還不是很成熟,所以把混合蛙跳算法應(yīng)用到云計(jì)算資源調(diào)度中的研究還不是太多,現(xiàn)有的算法及一些改進(jìn)的算法,在一定程度上都存在一定的缺點(diǎn)和不足,沒(méi)有在種群初始化上做研究來(lái)提高種群的解的質(zhì)量,最差個(gè)體移動(dòng)步長(zhǎng)比較單一,易陷入局部最優(yōu)等問(wèn)題。本文針對(duì)混合蛙跳算法應(yīng)用在云計(jì)算資源調(diào)度中存在的收斂速度和尋優(yōu)能力不佳的問(wèn)題,為了提高收斂速度和尋優(yōu)能力,縮短完成任務(wù)的時(shí)間,提出了改進(jìn)的混合蛙跳算法,主要做了三個(gè)方面的改進(jìn)。在種群初始化中,采用經(jīng)典的Min-Min算法和隨機(jī)方式生成初始化種群規(guī)模,很大程度上提高了初始解的質(zhì)量,保持了種群多樣性,可以間接的縮短任務(wù)完成時(shí)間;在局部搜索策略中,原有的算法是單一的移動(dòng)步長(zhǎng)公式,可能導(dǎo)致最差青蛙個(gè)體更新后還是子群內(nèi)最差個(gè)體,所以引入平均適應(yīng)度值的概念,通過(guò)判斷子群內(nèi)青蛙個(gè)體的適應(yīng)度值與平均適應(yīng)度值的大小關(guān)系,來(lái)確定最差青蛙個(gè)體的移動(dòng)步長(zhǎng)公式,更新最差青蛙的位置,避免了盲目搜索,使群體收斂速度更快,尋優(yōu)能力更好;在全局混合操作中,引入遺傳算法的交叉思想,在子群間青蛙混合進(jìn)行文化信息交流時(shí),對(duì)子群內(nèi)局部最優(yōu)解和全局最優(yōu)解,采用合適的交叉控制參數(shù)進(jìn)行交叉操作,結(jié)果保留較優(yōu)個(gè)體,一來(lái)子代繼承了父代的優(yōu)秀基因,一定程度上提高解的質(zhì)量,二來(lái)可以使算法避免陷入局部最優(yōu)。在實(shí)際生活中,用戶任務(wù)需求量很大,而資源量有限,所以時(shí)間短,速度快的算法更適合這種有條件限制的情況。最后在云計(jì)算仿真平臺(tái)CloudSim上模擬本文算法。實(shí)驗(yàn)中,由于混合蛙跳算法本身概念比較新,參數(shù)設(shè)置上不像遺傳算法那樣成熟,只能反復(fù)大量的做實(shí)驗(yàn),在有限的條件下,得到較好的種群規(guī)模分組。然后,在這樣的分組條件下,改變其他變量值來(lái)驗(yàn)證算法性能。實(shí)驗(yàn)結(jié)果證明,在資源數(shù)量一定,任務(wù)數(shù)逐漸增加的情況下和任務(wù)數(shù)一定,資源數(shù)改變的情況下,相比遺傳算法和粒子群算法,改進(jìn)混合蛙跳算法具有更好的收斂速度和尋優(yōu)能力,總體上資源調(diào)度效率更高,更適合任務(wù)多,資源少的實(shí)際情況,證明了本文提出算法的可行性,為以后的云計(jì)算資源調(diào)度算法研究提供了一定的基礎(chǔ)。
【關(guān)鍵詞】：云計(jì)算 資源調(diào)度 混合蛙跳算法 Min-Min算法 時(shí)間跨度
【學(xué)位授予單位】：太原理工大學(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3-5
• ABSTRACT5-11
• 第一章 緒論11-17
• 1.1 研究背景及意義11-12
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀12-15
• 1.3 論文研究?jī)?nèi)容15
• 1.4 論文組織結(jié)構(gòu)15-16
• 1.5 小結(jié)16-17
• 第二章 云計(jì)算環(huán)境下的資源調(diào)度17-31
• 2.1 云計(jì)算基本概念17-22
• 2.1.1 云計(jì)算定義17-19
• 2.1.2 云計(jì)算服務(wù)模式19-20
• 2.1.3 云計(jì)算基本特征20
• 2.1.4 云計(jì)算關(guān)鍵技術(shù)20-22
• 2.2 云計(jì)算資源調(diào)度22-25
• 2.2.1 云計(jì)算的資源調(diào)度簡(jiǎn)介23-24
• 2.2.2 云資源調(diào)度發(fā)展現(xiàn)狀24-25
• 2.3 混合蛙跳算法在云計(jì)算資源調(diào)度中的應(yīng)用25-28
• 2.3.1 混合蛙跳算法理論25-28
• 2.3.2 云資源調(diào)度中下混合蛙跳算法的應(yīng)用28
• 2.4 小結(jié)28-31
• 第三章 改進(jìn)混合蛙跳算法的云資源調(diào)度31-45
• 3.1 混合蛙跳算法的改進(jìn)策略31-35
• 3.1.1 青蛙族群初始化優(yōu)化策略31-33
• 3.1.2 局部搜索優(yōu)化策略33-34
• 3.1.3 全局混合優(yōu)化策略34-35
• 3.2 改進(jìn)混合蛙跳算法的云資源調(diào)度35-37
• 3.2.1 問(wèn)題的提出35
• 3.2.2 問(wèn)題的描述35-37
• 3.3 改進(jìn)混合蛙跳算法流程實(shí)現(xiàn)37-43
• 3.3.1 編碼方式37-38
• 3.3.2 種群初始化38-39
• 3.3.3 適應(yīng)度函數(shù)39-40
• 3.3.4 青蛙種群分組40
• 3.3.5 局部搜索40-41
• 3.3.6 全局混合操作41-42
• 3.3.7 改進(jìn)混合蛙跳算法流程42-43
• 3.4 本章小結(jié)43-45
• 第四章 實(shí)驗(yàn)仿真和結(jié)果分析45-65
• 4.1 CloudSim模擬器簡(jiǎn)介45-51
• 4.1.1 CloudSim的特征45-46
• 4.1.2 CloudSim體系結(jié)構(gòu)46-48
• 4.1.3 CloudSim技術(shù)實(shí)現(xiàn)48-49
• 4.1.4 CloudSim實(shí)體通信49-51
• 4.2 CloudSim仿真流程51-54
• 4.2.1 CloudSim初始化51-52
• 4.2.2 創(chuàng)建用戶任務(wù)52-53
• 4.2.3 創(chuàng)建虛擬資源53-54
• 4.3 算法設(shè)計(jì)過(guò)程54-59
• 4.3.1 種群初始化模塊實(shí)現(xiàn)54-56
• 4.3.2 局部搜索模塊實(shí)現(xiàn)56-57
• 4.3.3 全局混合操作模塊實(shí)現(xiàn)57-58
• 4.3.4 主體算法實(shí)現(xiàn)58-59
• 4.4 仿真實(shí)驗(yàn)結(jié)果分析59-63
• 4.4.1 仿真環(huán)境配置59
• 4.4.2 實(shí)驗(yàn)參數(shù)59-60
• 4.4.3 實(shí)驗(yàn)結(jié)果分析60-63
• 4.5 本章小結(jié)63-65
• 第五章 總結(jié)與展望65-67
• 5.1 論文總結(jié)65-66
• 5.2 研究展望66-67
• 參考文獻(xiàn)67-71
• 致謝71-73
• 攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文目錄73

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 周建濤;陸海燕;葉新銘;;面向資源調(diào)度的矩陣規(guī)范化方法研究[J];中山大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年01期

2 夏文明;李國(guó)富;;資源調(diào)度問(wèn)題研究綜述[J];機(jī)電工程;2009年07期

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

4 楊繼君;許維勝;黃武軍;吳啟迪;;基于多災(zāi)點(diǎn)非合作博弈的資源調(diào)度建模與仿真[J];計(jì)算機(jī)應(yīng)用;2008年06期

5 梁金華;;基于仿真網(wǎng)格平臺(tái)的資源調(diào)度算法模擬[J];科技信息;2010年18期

6 薛玉;;云計(jì)算環(huán)境下的資源調(diào)度優(yōu)化模型研究[J];計(jì)算機(jī)仿真;2013年05期

7 羅丹;;云計(jì)算資源調(diào)度算法仿真[J];計(jì)算機(jī)仿真;2013年07期

8 謝斌;林華;;聯(lián)合戰(zhàn)場(chǎng)資源調(diào)度問(wèn)題綜述[J];艦船電子工程;2013年10期

9 林永毅,張智江,廖黛麗,倪凌;電信傳輸資源及調(diào)度一體化管理的研究與實(shí)現(xiàn)[J];電信科學(xué);2002年10期

10 吉軍;蔚承建;陳勝峰;陳旭;;分散式多工廠資源調(diào)度中的一種理性策略[J];計(jì)算機(jī)應(yīng)用;2010年11期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前3條

1 曹東旭;劉明陽(yáng);;基于馬爾科夫決策鏈的作戰(zhàn)資源調(diào)度[A];2014第二屆中國(guó)指揮控制大會(huì)論文集（上）[C];2014年

2 王兵;賈利民;龍慧;郭杜杜;馬玉春;;新疆公路網(wǎng)交通事故應(yīng)急救援資源調(diào)度系統(tǒng)設(shè)計(jì)及應(yīng)用[A];第七屆中國(guó)智能交通年會(huì)優(yōu)秀論文集——智能交通應(yīng)用[C];2012年

3 叢慧芳;王文生;謝能付;;農(nóng)業(yè)信息網(wǎng)格環(huán)境中數(shù)據(jù)傳輸資源調(diào)度方法研究[A];中國(guó)農(nóng)業(yè)信息科技創(chuàng)新與學(xué)科發(fā)展大會(huì)論文匯編[C];2007年

中國(guó)重要報(bào)紙全文數(shù)據(jù)庫(kù) 前1條

1 本報(bào)記者 吳挺;云計(jì)算的管理需求顯現(xiàn)[N];計(jì)算機(jī)世界;2009年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前9條

1 王小樂(lè);信息物理融合系統(tǒng)資源調(diào)度關(guān)鍵技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2014年

2 王力;鐵路集裝箱中心站關(guān)鍵資源調(diào)度優(yōu)化理論與方法[D];北京交通大學(xué);2014年

3 馬滿福;基于計(jì)算經(jīng)濟(jì)的網(wǎng)格資源管理研究[D];西北工業(yè)大學(xué);2007年

4 冉泳屹;云環(huán)境下基于隨機(jī)優(yōu)化的動(dòng)態(tài)資源調(diào)度研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2015年

5 徐昕;基于博弈論的云計(jì)算資源調(diào)度方法研究[D];華東理工大學(xué);2015年

6 徐勁松;SLA約束下的云資源調(diào)度關(guān)鍵技術(shù)研究[D];南京郵電大學(xué);2013年

7 張靜樂(lè);網(wǎng)絡(luò)環(huán)境下協(xié)同服務(wù)關(guān)鍵技術(shù)研究[D];北京科技大學(xué);2011年

8 田國(guó)忠;多DAG共享資源調(diào)度的若干問(wèn)題研究[D];北京工業(yè)大學(xué);2013年

9 王海威;智能電視操作系統(tǒng)服務(wù)性能與資源調(diào)度關(guān)鍵技術(shù)研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2011年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 王艷平;基于蟻群算法的云計(jì)算資源調(diào)度研究[D];曲阜師范大學(xué);2015年

2 何蘭蘭;云環(huán)境下基于SLA的優(yōu)化資源管理機(jī)制研究[D];江西理工大學(xué);2015年

3 張揚(yáng);基于QPSO-SFLA改進(jìn)算法的云環(huán)境資源調(diào)度研究[D];江西理工大學(xué);2014年

4 楊南;藏文輿情云分析平臺(tái)資源調(diào)度優(yōu)化研究[D];西北民族大學(xué);2015年

5 李超;基于改進(jìn)粒子群算法的云計(jì)算資源調(diào)度研究[D];中國(guó)礦業(yè)大學(xué);2015年

6 郭慶光;基于協(xié)同演化算法的云計(jì)算資源調(diào)度的研究[D];電子科技大學(xué);2014年

7 陳強(qiáng);載波聚合下的資源調(diào)度研究[D];電子科技大學(xué);2014年

8 梁俊杰;基于應(yīng)用容器的云資源調(diào)度研究與實(shí)現(xiàn)[D];電子科技大學(xué);2015年

9 趙穎;Hadoop環(huán)境下的動(dòng)態(tài)資源管理研究與實(shí)現(xiàn)[D];上海交通大學(xué);2015年

10 徐政;基于QoS的LTE資源調(diào)度策略研究[D];南京郵電大學(xué);2015年

，

本文編號(hào)：866922