發(fā)布時間：2021-01-13 09:34

　　云計算的出現(xiàn)為互聯(lián)網(wǎng)時代提供了方便快捷的服務(wù),對人們的生活有深遠的影響。云計算任務(wù)調(diào)度對用戶的滿意程度以及提供商的運營成本有很大的影響。高性能的算法在云計算任務(wù)調(diào)度中起著至關(guān)重要的作用。本文在云計算任務(wù)調(diào)度算法的主要研究內(nèi)容及工作如下:1)針對標(biāo)準(zhǔn)粒子群優(yōu)化算法易陷入局部最優(yōu),收斂速度慢的缺陷,從基本概念入手,在算法中加入改進的動態(tài)慣性權(quán)重和外部擾動策略,改善粒子群算法的局部尋優(yōu)能力。對比任務(wù)數(shù)不同時,算法的收斂能力,實驗結(jié)果表明,改進后算法克服了粒子群算法中的不足,提高迭代后期收斂速度和搜索的精度,減少任務(wù)完成時間。2)針對雞群優(yōu)化算法中小雞盲目跟隨母雞且自身學(xué)習(xí)能力不足的情況,在算法中加入小雞學(xué)習(xí)因子,改進小雞位置更新公式,并通過混沌擾動降低雞群懶惰性,平衡算法對全局和局部最優(yōu)位置的搜索能力,減少算法陷入局部最優(yōu)的情況,能更好的完成云計算任務(wù)調(diào)度。3)融合兩種改進后的算法,雞群算法解決了粒子群種群單一的缺點。粒子雞群融合算法改進了公雞的位置更新公式,提高群體領(lǐng)導(dǎo)者的尋優(yōu)能力,使算法整體性能得以提升。將算法在云環(huán)境下任務(wù)調(diào)度總執(zhí)行時間和執(zhí)行費用方面進行對比,實驗結(jié)果表明,算法有效地降... 

【文章來源】：河北科技大學(xué)河北省

【文章頁數(shù)】：62 頁

【學(xué)位級別】：碩士

【部分圖文】：

云計算服務(wù)類型

圖 2-2 云計算體系結(jié)構(gòu)云計算體系結(jié)構(gòu)四層分別是：SOA 構(gòu)建層、管理中間層、資源池層以及物理資源層。(1) SOA 構(gòu)建層 該層有許多組件構(gòu)成，全稱面向服務(wù)的體系結(jié)構(gòu)

通過調(diào)度需求以合理的方式將任務(wù)匹配到云計算虛擬資源上，滿足客戶需求的過程。云計算任務(wù)調(diào)度的框架圖如圖2-3 所示。圖 2-3 云計算任務(wù)調(diào)度框架圖我們也可以將這個過程看做是一個映射過程。云計算是把系統(tǒng)中 CPU、帶寬等硬基礎(chǔ)設(shè)施虛擬成可以統(tǒng)一管理的數(shù)據(jù)資源，將物理資源映射到虛擬機上為用戶提供任務(wù)調(diào)度的服務(wù)[24]。云計算的研究分為任務(wù)調(diào)度和資源分配兩方面，任務(wù)調(diào)度部分就是將用戶任務(wù)映射到虛擬機資源上的問題。假設(shè)將 r 個任務(wù) 1 2 3, ,rtask task task task ,...,t ask分配給 s 個虛擬機資源 1 2 3= , ,sVM VM VM VM ,...,V M，任務(wù)與虛擬機對應(yīng)的分配關(guān)系用矩陣的形式表示，如式（2-1）所示。11 12 111 22 21 2=rrs s sr θ （2-1）其中，ij 為任務(wù)jtask與虛擬機iVM 的對應(yīng)關(guān)系，1 i s ,1 j r且s r。為了對云計算任務(wù)調(diào)度的認識更加清楚，我們通過云計算任務(wù)調(diào)度原理并結(jié)合CloudSim 平臺將調(diào)度模型抽象出來，云計算任務(wù)調(diào)度模型如圖 2-4 所示。

【參考文獻】：
期刊論文
[1]一種基于正向?qū)W習(xí)和反向?qū)W習(xí)的改進雞群算法[J]. 張慕雪,張達敏,楊菊蜻,朱陳柔玲.  微電子學(xué)與計算機. 2018(06)
[2]基于離散粒子群優(yōu)化的云計算QoS調(diào)度算法[J]. 王月,劉亞秋,郭繼峰,景維鵬.  計算機工程. 2017(06)
[3]基于混沌粒子群算法的云計算調(diào)度研究[J]. 戰(zhàn)非,張少茹.  電子設(shè)計工程. 2017(05)
[4]混合改進搜索策略的雞群優(yōu)化算法[J]. 黃霞,葉春明,鄭軍.  計算機工程與應(yīng)用. 2018(07)
[5]基于模擬退火的改進雞群優(yōu)化算法[J]. 李振璧,王康,姜媛媛.  微電子學(xué)與計算機. 2017(02)
[6]基于改進蛙跳算法的云計算資源調(diào)度[J]. 李廷順,李鐵鈺.  計算機應(yīng)用與軟件. 2015(12)
[7]具備反向?qū)W習(xí)和局部學(xué)習(xí)能力的粒子群算法[J]. 夏學(xué)文,劉經(jīng)南,高柯夫,李元香,曾輝.  計算機學(xué)報. 2015(07)
[8]云計算中融入貪心策略的調(diào)度算法研究[J]. 周舟,胡志剛.  小型微型計算機系統(tǒng). 2015(05)
[9]基于雙適應(yīng)度遺傳退火的云任務(wù)調(diào)度算法[J]. 徐潔,朱健琛,魯珂.  電子科技大學(xué)學(xué)報. 2013(06)
[10]基于粒子群遺傳算法的云計算任務(wù)調(diào)度研究[J]. 王波,張曉磊.  計算機工程與應(yīng)用. 2015(06)

博士論文
[1]云計算任務(wù)調(diào)度策略研究[D]. 鄧見光.華南理工大學(xué) 2014
[2]云數(shù)據(jù)中心資源調(diào)度機制研究[D]. 王智明.北京郵電大學(xué) 2012

碩士論文
[1]基于態(tài)勢感知的云資源管理研究[D]. 李正.河北科技大學(xué) 2018
[2]云計算環(huán)境下基于改進PSO算法的任務(wù)調(diào)度研究[D]. 宋寒冰.吉林大學(xué) 2017
[3]基于混沌粒子群雞群融合優(yōu)化算法的云任務(wù)調(diào)度應(yīng)用與實現(xiàn)[D]. 關(guān)鶴童.吉林大學(xué) 2016
[4]混合粒子群算法的研究以及在云計算任務(wù)調(diào)度中的應(yīng)用[D]. 吳誤.南京信息工程大學(xué) 2013



本文編號：2974649