發(fā)布時間：2018-06-11 20:04

  本文選題：云計算 + 動態(tài)目標遺傳算法　； 參考：《湘潭大學(xué)自然科學(xué)學(xué)報》2017年01期

【摘要】：針對云工作流資源調(diào)度直接關(guān)系到云計算的成本和效率的問題,提出一種基于動態(tài)目標遺傳算法(DTGA)的成本最小化和期限約束的云計算工作流調(diào)度方法.該方法使用云計算資源的索引來編碼染色體,采用動態(tài)目標策略(DTS)算法解決嚴格的期限約束,當沒有獲得可行解時,算法專注于優(yōu)化執(zhí)行時間以滿足期限約束,一旦獲得可行解后,則側(cè)重于優(yōu)化在期限約束內(nèi)的執(zhí)行成本.實驗結(jié)果表明在不同規(guī)模數(shù)據(jù)調(diào)度和不同的期限約束下,相比改進量子遺傳算法(IQGA),提出方法具有更高的適應(yīng)性,能夠在更嚴格的期限約束條件下以更低的執(zhí)行成本找到云計算資源調(diào)度的更優(yōu)解.
[Abstract]:In view of the problem that cloud workflow resource scheduling is directly related to the cost and efficiency of cloud computing, a cloud computing workflow scheduling method based on the dynamic target genetic algorithm (DTGA) is proposed. This method uses the index of cloud computing resources to encode chromophore, and adopts the dynamic target strategy (DTS) algorithm to solve the problem. When a feasible solution is not obtained, the algorithm focuses on optimizing the execution time to satisfy the deadline constraints. Once the feasible solution is obtained, the algorithm is focused on optimizing the execution cost in the period constraints. The experimental results show that the improved quantum genetic algorithm (IQGA) is compared with the improved quantum genetic algorithm (IQGA) under different scale data scheduling and different time limits. The method has higher adaptability, and can find a better solution of cloud computing resource scheduling with lower execution cost under more stringent deadline constraints.
【作者單位】： 無錫太湖學(xué)院物聯(lián)網(wǎng)工程學(xué)院;東南大學(xué)信息科學(xué)與工程學(xué)院;
【基金】：江蘇省高校自然科學(xué)研究項目(14KJB520036)
【分類號】：TP18;TP3

【相似文獻】

相關(guān)期刊論文 前10條

1 曉良;簡評《動態(tài)目標管理》[J];經(jīng)濟研究參考;1998年05期

2 李國棟,劉春陽,柳長安;一種基于特征的動態(tài)目標檢測與跟蹤算法[J];哈爾濱工業(yè)大學(xué)學(xué)報;2005年07期

3 譚國真;多窗口動態(tài)目標顯示技術(shù)[J];計算機應(yīng)用研究;1996年05期

4 王春輝;張立中;;動態(tài)目標生成技術(shù)的研究[J];科技資訊;2014年08期

5 周蘆蘆;曹凱;;基于動態(tài)目標位置的車輛彎道保持控制仿真[J];山東理工大學(xué)學(xué)報(自然科學(xué)版);2010年02期

6 王坤;游安清;賀喜;王磊;;基于動態(tài)目標結(jié)構(gòu)特征的姿態(tài)實時定位方法[J];紅外與激光工程;2013年11期

7 曹凱;于少偉;周蘆蘆;;基于動態(tài)目標位置的智能車輛控制研究[J];信息與控制;2008年04期

8 張智豐,李向新,彭群生;基于大氣傳輸模型的動態(tài)目標紅外成像仿真[J];系統(tǒng)仿真學(xué)報;2000年05期

9 陳景濤;楊志剛;程力;王華磊;;運動車輛的視頻動態(tài)目標檢測[J];汽車工程學(xué)報;2014年01期

10 龍真真;張策;王維平;張正文;;一種基于數(shù)據(jù)流聚類的動態(tài)目標分群框架[J];上海交通大學(xué)學(xué)報;2010年07期

相關(guān)會議論文 前6條

1 王坤;王磊;游安清;;基于形殊點的動態(tài)目標“定位”方法研究[A];第九屆全國光電技術(shù)學(xué)術(shù)交流會論文集（下冊）[C];2010年

2 王坤;游安清;賀喜;王磊;;基于動態(tài)目標結(jié)構(gòu)特征的姿態(tài)實時定位方法[A];第十屆全國光電技術(shù)學(xué)術(shù)交流會論文集[C];2012年

3 李剛偉;邱宗明;盧剛;;動態(tài)目標三維激光跟蹤測量儀[A];制造技術(shù)自動化學(xué)術(shù)會議論文集[C];2002年

4 宋丹;趙保軍;;一種基于SIFT算子的動態(tài)目標跟蹤的改進方法[A];全國第4屆信號和智能信息處理與應(yīng)用學(xué)術(shù)會議論文集[C];2010年

5 肖作江;安志勇;石麗霞;;基于LabVIEW動態(tài)目標發(fā)生器穩(wěn)定性光電檢測技術(shù)研究[A];2008中國儀器儀表與測控技術(shù)進展大會論文集（Ⅰ）[C];2008年

6 韓冰;;小尺寸、新型動態(tài)MTF測試設(shè)備的研制[A];第十四屆全國光學(xué)測試學(xué)術(shù)討論會論文（摘要集）[C];2012年

相關(guān)重要報紙文章 前2條

1 通訊員 周實辦;我州全面推行全流程動態(tài)目標管理[N];紅河日報;2009年

2 通訊員 光興;成都實行動態(tài)目標管理[N];中國房地產(chǎn)報;2003年

相關(guān)博士學(xué)位論文 前2條

1 趙謙;煤礦井下動態(tài)目標視頻監(jiān)測圖像處理研究[D];西安科技大學(xué);2014年

2 程龍;面向移動設(shè)備的動態(tài)目標的光場渲染技術(shù)研究[D];中國科學(xué)技術(shù)大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 王偉;復(fù)雜環(huán)境下移動機器人的動態(tài)目標檢測與跟蹤控制研究[D];西安建筑科技大學(xué);2015年

2 洪怡琳;多旋翼飛行器基于單目視覺的動態(tài)目標跟蹤[D];大連理工大學(xué);2015年

3 趙振杰;視頻序列中動態(tài)目標的檢測、定位與跟蹤技術(shù)研究[D];南開大學(xué);2015年

4 郭春鳳;視頻圖像序列的動態(tài)目標檢測新算法研究[D];福州大學(xué);2013年

5 馬世強;卡爾曼與均值漂移在動態(tài)目標跟蹤中的應(yīng)用研究[D];內(nèi)蒙古大學(xué);2016年

6 王光彪;基于雙目機器人的動態(tài)目標檢測與跟蹤方法研究[D];天津理工大學(xué);2013年

7 葉瑞;基于云臺控制的無人車動態(tài)目標跟蹤[D];西安工業(yè)大學(xué);2013年

8 王春輝;跟蹤轉(zhuǎn)臺檢測用動態(tài)目標生成技術(shù)[D];長春理工大學(xué);2014年

9 閆光;基于多傳感器信息融合的動態(tài)目標檢測與識別[D];北京理工大學(xué);2015年

10 韓雷;基于無線傳感器網(wǎng)絡(luò)的動態(tài)目標三維跟蹤[D];南京大學(xué);2015年

，

本文編號：2006524