本文關鍵詞：基于概率自適應蟻群算法的云任務調(diào)度方法　出處：《鄭州大學學報(工學版)》2017年04期 　論文類型：期刊論文

  更多相關文章： 云計算 任務調(diào)度 蟻群算法 概率自適應

【摘要】：針對基本蟻群算法在求解云任務調(diào)度問題時易陷入局部最優(yōu)的不足,提出一種任務分配概率自適應的蟻群算法.算法根據(jù)任務量的大小對任務進行降序排序.定義了任務分配集中度,引入了概率自適應調(diào)整因子對任務分配過于集中的資源節(jié)點的分配概率進行調(diào)整.結果表明,相對基本蟻群算法及改進蟻群算法,該算法有效地縮短了任務完成時間,且算法的執(zhí)行效率、收斂速度均有一定程度的改善.
[Abstract]:In order to solve the problem of cloud task scheduling, the basic ant colony algorithm is easy to fall into local optimum. An ant colony algorithm with adaptive task assignment probability is proposed. The algorithm sorts the tasks in descending order according to the size of the task quantity, and defines the concentration degree of task assignment. The probability adaptive adjustment factor is introduced to adjust the allocation probability of resource nodes where the task allocation is too centralized. The results show that the relative basic ant colony algorithm and the improved ant colony algorithm. The algorithm can effectively shorten the task completion time and improve the efficiency and convergence speed of the algorithm to some extent.
【作者單位】： 三峽大學計算機與信息學院;三峽大學湖北省水電工程智能視覺監(jiān)測重點實驗室;
【基金】：國家自然科學基金資助項目(61272236、61272237、61502274) 湖北省自然科學基金資助項目(2015CFB336) 三峽大學人才科研啟動基金項目(KJ2011B011、KJ2013B064)
【分類號】：TP18;TP3
【正文快照】： 0引言云計算是將計算任務分布在大量計算機構成的數(shù)據(jù)中心,通過網(wǎng)絡、硬件及系統(tǒng)軟件等為用戶提供服務[1].云計算模式涵蓋范圍非常廣泛,從底層的軟、硬資源聚集管理到虛擬化計算池,乃至通過網(wǎng)絡提供各類計算的服務.它將帶來生活、生產(chǎn)方式和商業(yè)模式的深刻改變,已成為當前社會

【相似文獻】

相關期刊論文 前10條

1 廖曉文;廖京盛;;時間觸發(fā)模式的任務調(diào)度與分解策略[J];單片機與嵌入式系統(tǒng)應用;2006年07期

2 黃漾;;分布式環(huán)境下任務調(diào)度探討[J];電腦知識與技術;2011年19期

3 張占軍,楊學良;具有優(yōu)先次序的多媒體流調(diào)度和資源共享[J];軟件學報;1999年05期

4 章軍,章立生,韓承德;非完全互連同構系統(tǒng)上的靜態(tài)任務調(diào)度[J];軟件學報;1999年11期

5 李英;黃國范;;遺傳算法在云任務調(diào)度中的應用[J];洛陽師范學院學報;2013年05期

6 江維;詹瑾瑜;桑楠;楊霞;;可信嵌入式系統(tǒng)中可靠且能量有效的任務調(diào)度[J];四川大學學報(工程科學版);2011年02期

7 徐正光;陳雁;尹怡欣;胡長軍;王玨;;一種基于梯形自調(diào)度技術的集群任務調(diào)度的實現(xiàn)[J];計算機工程;2005年23期

8 穆鵬程;NEZAN Jean-Fran噻ois;RAULET Mickaёl;COUSIN Jean-Gabriel;;并行嵌入式系統(tǒng)中具有通信競爭任務調(diào)度問題的高級列表調(diào)度方法[J];中國科學:信息科學;2011年03期

9 譚一鳴;曾國蓀;王偉;;隨機任務在云計算平臺中能耗的優(yōu)化管理方法[J];軟件學報;2012年02期

10 張彪;郭衛(wèi)斌;李建華;李洪林;;一種改進的基于動態(tài)信任的分布式調(diào)度模型[J];華東理工大學學報(自然科學版);2013年04期

相關博士學位論文 前8條

1 瞿進;可重構系統(tǒng)軟硬功能劃分及任務調(diào)度技術研究[D];解放軍信息工程大學;2011年

2 周雙娥;實時分布容錯系統(tǒng)的任務調(diào)度技術研究[D];哈爾濱工程大學;2003年

3 柴亞輝;基于FPGA的高性能計算架構硬件任務與資源模型研究[D];上海大學;2012年

4 金剛;云環(huán)境下任務調(diào)度關鍵問題研究[D];吉林大學;2015年

5 耿曉中;基于多核分布式環(huán)境下的任務調(diào)度關鍵技術研究[D];吉林大學;2013年

6 王寧;云計算環(huán)境下數(shù)據(jù)管理與任務調(diào)度優(yōu)化策略研究[D];北京科技大學;2015年

7 王曉麗;云環(huán)境下節(jié)能優(yōu)化模型及算法研究[D];西安電子科技大學;2014年

8 任崇廣;面向海量數(shù)據(jù)處理領域的云計算及其關鍵技術研究[D];南京理工大學;2013年

相關碩士學位論文 前10條

1 楊鏡;基于人工免疫系統(tǒng)的云平臺動態(tài)任務調(diào)度[D];電子科技大學;2014年

2 姜志剛;數(shù)據(jù)中心溫度感知任務調(diào)度技術研究[D];南京大學;2014年

3 翟釗;云環(huán)境下的集群性能優(yōu)化研究[D];南京郵電大學;2016年

4 李蓉蓉;基于人工蜂群算法的云任務調(diào)度研究[D];合肥工業(yè)大學;2016年

5 楊俊;多核系統(tǒng)靜態(tài)任務調(diào)度問題研究[D];合肥工業(yè)大學;2016年

6 王璇;基于智能搜索算法的多核處理器任務調(diào)度[D];杭州電子科技大學;2015年

7 懷偉城;基于動態(tài)調(diào)頻技術的數(shù)據(jù)中心任務調(diào)度問題研究[D];南京大學;2014年

8 郭會云;基于云計算的海量傳感器信息存儲的擴展研究和實現(xiàn)[D];北方工業(yè)大學;2017年

9 高金華;基于多核的任務調(diào)度研究與實現(xiàn)[D];中南大學;2010年

10 馬玉明;云計算數(shù)據(jù)中心的任務調(diào)度研究[D];云南大學;2015年

，

本文編號：1395259