云計(jì)算作為一種新興的技術(shù),逐漸為學(xué)界和產(chǎn)業(yè)界所認(rèn)知。云計(jì)算是由一系列可用資源組成,這些資源不僅可以動態(tài)升級、被虛擬化,而且可以被所有用戶共享和訪問。另外,云計(jì)算只需要通過動態(tài)的擴(kuò)展,就可以增加服務(wù)。用戶不需要掌握云計(jì)算的技術(shù),而僅僅需要按照個人或者團(tuán)體的需要租賃云計(jì)算的資源。云計(jì)算可以應(yīng)用于所有人,要處理龐大的任務(wù)量和數(shù)據(jù)量。因此這就要求云系統(tǒng)幾乎每時每刻的處理海量任務(wù)。所以如何合理的分配云資源,高效的調(diào)度云任務(wù)是云計(jì)算面臨的一個挑戰(zhàn)。由于目前云計(jì)算的發(fā)展還處于初期,云環(huán)境下任務(wù)調(diào)度算法的研究成果相當(dāng)少,現(xiàn)存的調(diào)度算法考慮因素也過于簡單化,所以不能滿足用戶動態(tài)的性能要求。本文在云計(jì)算體系結(jié)構(gòu)和已有的任務(wù)調(diào)度算法的基礎(chǔ)上,設(shè)計(jì)了一種考慮時間、成本、帶寬、可靠性約束負(fù)載均衡的蟻群優(yōu)化算法的云任務(wù)調(diào)度策略。此調(diào)度算法不僅充分考慮了其他調(diào)度算法考慮的因素如任務(wù)處理時間和執(zhí)行費(fèi)用,還創(chuàng)新性的考慮了帶寬和可靠性因素；云中資源負(fù)載不僅可以處在一個相對均衡的狀態(tài),而且還具有一定的免疫記憶能力。這個算法可以極大的滿足用戶QOS需求,有效的預(yù)防云環(huán)境中的過載狀況,并可以提高資源利用率。然后又將該蟻群優(yōu)化算... 

【文章來源】：東北大學(xué)遼寧省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：73 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景
    1.2 云任務(wù)調(diào)度研究現(xiàn)狀
    1.3 選題意義
    1.4 論文的組織結(jié)構(gòu)
        1.4.1 論文的主要內(nèi)容
        1.4.2 論文的組織結(jié)構(gòu)
第2章 相關(guān)技術(shù)
    2.1 云計(jì)算相關(guān)技術(shù)
        2.1.1 云計(jì)算理論
        2.1.2 云任務(wù)調(diào)度和其他任務(wù)調(diào)度的比較
    2.2 基本蟻群優(yōu)化算法
    2.3 生物免疫原理
    2.4 容錯技術(shù)
    2.5 卡爾曼濾波技術(shù)
    2.6 本章小結(jié)
第3章 基于云平臺的改進(jìn)的蟻群算法的研究
    3.1 關(guān)于TSP問題的基本蟻群算法
    3.2 基于ACO部分算法的設(shè)計(jì)
        3.2.1 基于蟻群算法部分的模型設(shè)計(jì)
        3.2.2 約束函數(shù)
        3.2.3 尋找最合適的計(jì)算資源
    3.3 基于生物免疫部分算法的設(shè)計(jì)
        3.3.1 相關(guān)定義
        3.3.2 兩個記憶信息庫的建立
        3.3.3 任務(wù)相似度檢測算法
        3.3.4 資源優(yōu)選記憶信息庫更新規(guī)則
    3.4 算法其他部分的設(shè)計(jì)
    3.5 改進(jìn)的蟻群算法的實(shí)現(xiàn)流程
    3.6 本章小結(jié)
第4章 基于云平臺的改進(jìn)的容錯算法的研究
    4.1 容錯的基本要求
    4.2 基于云平臺自適應(yīng)容錯模型的設(shè)計(jì)
        4.2.1 錯誤檢測服務(wù)
        4.2.3 錯誤管理服務(wù)和錯誤處理決策服務(wù)
    4.3 基于云平臺的自適應(yīng)容錯算法的實(shí)現(xiàn)
        4.3.1 錯誤檢測模塊
        4.3.2 錯誤處理決策模塊
        4.3.3 自適應(yīng)容錯算法的流程
    4.4 本章小結(jié)
第5章 算法仿真與結(jié)果分析
    5.1 CloudSim簡介
    5.2 CloudSim的具體使用過程
        5.2.1 CloudSim配置
        5.2.2 仿真流程及程序編寫步驟
        5.2.3 重新編譯CloudSim
    5.3 云環(huán)境下任務(wù)調(diào)度算法仿真實(shí)驗(yàn)
    5.4 本章小結(jié)
結(jié)論與展望
參考文獻(xiàn)
致謝


【參考文獻(xiàn)】：
期刊論文
[1]實(shí)時多任務(wù)并行計(jì)算系統(tǒng)的容錯技術(shù)[J]. 徐曉東,趙建亭,許春雷.  計(jì)算機(jī)工程與應(yīng)用. 2013(09)
[2]云計(jì)算與網(wǎng)格計(jì)算的比較研究[J]. 申麗君,楊蘭娟,趙華.  電腦知識與技術(shù). 2011(17)
[3]云計(jì)算及其關(guān)鍵技術(shù)研究[J]. 高林,宋相倩,王潔萍.  微型機(jī)與應(yīng)用. 2011(10)
[4]基于輪盤賭編碼和粒子群算法的并行機(jī)調(diào)度優(yōu)化[J]. 高潮,劉志雄.  機(jī)械制造. 2010(06)
[5]卡爾曼濾波的基本原理及應(yīng)用[J]. 彭丁聰.  軟件導(dǎo)刊. 2009(11)
[6]基于貼近度的本體概念屬性相似度計(jì)算[J]. 高煒,梁立.  長春大學(xué)學(xué)報. 2009(08)
[7]基于免疫記憶的蟻群算法[J]. 蘇淼,錢海,王煦法.  計(jì)算機(jī)仿真. 2007(10)

博士論文
[1]基于免疫算法的分類方法及其應(yīng)用研究[D]. 葉蓮.重慶大學(xué) 2012

碩士論文
[1]蟻群算法在路徑規(guī)劃問題中的應(yīng)用研究[D]. 玉坤.北京工業(yè)大學(xué) 2012
[2]魯棒卡爾曼算法及其應(yīng)用研究[D]. 吳飛.華南理工大學(xué) 2012
[3]網(wǎng)格中基于自適應(yīng)容錯機(jī)制的任務(wù)調(diào)度算法[D]. 樊銀濤.武漢理工大學(xué) 2011
[4]基于螞蟻免疫記憶優(yōu)化算法的網(wǎng)格任務(wù)調(diào)度研究[D]. 任燕.西安建筑科技大學(xué) 2010
[5]云環(huán)境下作業(yè)調(diào)度算法研究與實(shí)現(xiàn)[D]. 趙春燕.北京交通大學(xué) 2009
[6]網(wǎng)格容錯關(guān)鍵技術(shù)的研究[D]. 黃煒元.清華大學(xué) 2008
[7]網(wǎng)格環(huán)境下基于動態(tài)調(diào)度策略的自適應(yīng)容錯機(jī)制的研究[D]. 高元濤.中國石油大學(xué) 2008



本文編號：3603787