隨著云計算的發(fā)展及普及,提升整體的資源管理及運營效率、優(yōu)化投資已成為關鍵。在云計算應用環(huán)境中,資源和任務調(diào)度需要考慮多種異構資源以及復雜多變的應用需求,同時兼顧各種性能需求,包括數(shù)據(jù)中心的整體能耗、資源利用率、經(jīng)濟效益、用戶服務質(zhì)量等等。這些問題通常相互關聯(lián),相互促進或抑制,不能使用簡單的權重賦值的方式來解決。因此云計算調(diào)度問題具有離散優(yōu)化和多目標優(yōu)化的共同特征,很適合采用優(yōu)化算法來求解。但云計算環(huán)境中資源的異構性、應用的多樣性和動態(tài)性,以及多重約束及多重優(yōu)化目標要求,對優(yōu)化算法提出了更高的要求,并需要確保優(yōu)化算法的高可靠性、穩(wěn)定性和可擴展性。本文重點對新型群智能算法進行研究,并應用于解決云計算環(huán)境中的多目標離散優(yōu)化問題。本文的主要研究工作包括:1)研究新型入侵腫瘤生長優(yōu)化算法ITGO(Invasive Tumor Growth Optimization),對基礎的ITGO算法進行優(yōu)化設計,并擴展到離散化空間,使之可用于求解離散問題。ITGO算法是本實驗室提出一種基于腫瘤細胞生長機制的新型群智能算法,通過生長細胞、入侵細胞、休眠細胞、死亡細胞等四類細胞在營養(yǎng)環(huán)境中的相互轉換及遷移來求解...

【文章頁數(shù)】：158 頁

【學位級別】：博士

【部分圖文】：

圖1-1論文的整體結構圖

τ謾１疚母?菰萍撲閎撾竦鞫任侍獾囊?般特點，基于混合優(yōu)化策略，在不生成后代的螢火蟲種群中引入后代衍生和優(yōu)勝劣汰的思想，使用一種非精英個體的量子行為和一種次優(yōu)解個體隨機游走的搜索策略提升算法收斂速度，求解云計算任務調(diào)度問題。4）無血管的入侵腫瘤生長優(yōu)化算法及應用。本文基于無血管的腫....

圖2-1ITGO算法的細胞分布圖

華南理工大學博士學位論文18的局部最優(yōu)解，搜索新的空白區(qū)域；生長細胞接受入侵細胞和自身歷史最優(yōu)值的引導，以一定的概率生成入侵細胞；休眠細胞接受生長細胞的引導，在高營養(yǎng)液濃度的環(huán)境中轉變?yōu)樯L細胞、在極低營養(yǎng)液濃度的環(huán)境中轉變?yōu)樗劳黾毎�；死亡細胞受到歷史最優(yōu)生長細胞的一些擾動，如果....

圖2-2DITGO算法流程圖

華南理工大學博士學位論文24養(yǎng)物質(zhì)濃度（適應度函數(shù)值）的變化，讓整個種群在解空間中朝營養(yǎng)液濃度高的方向移動，在種群迭代的過程中動態(tài)調(diào)整細胞的狀態(tài)和數(shù)目；找到解空間中的最優(yōu)解。在初始化時刻，適應度排在前TopN%的細胞為生長細胞，其余為休眠細胞；入侵細胞由生長細胞動態(tài)生成，死亡細胞....

圖2-3ITGO+算法的收斂曲線(SeperableFunctions)

第二章離散入侵腫瘤生長優(yōu)化算法31(c)ITGO+算法收斂曲線(F3)圖2-3ITGO+算法的收斂曲線(SeperableFunctions)F1到F3是CEC2010測試集中的三個最為簡單的函數(shù)，包含了多模、轉移(shifted)、可擴展等共同屬性，屬于可分離的函數(shù)（Seper....

本文編號：3969227