【摘要】：云計算環(huán)境下計算任務數(shù)量十分龐大和復雜,為云計算效率的提升帶來了一定的挑戰(zhàn),有效的計算任務調(diào)度策略是保障云計算效率的有力手段.如何合理的對云計算資源進行分配以及設計高效的計算任務調(diào)度策略,使得所有任務執(zhí)行完成滿足多維約束條件是當前研究熱點之一.本文在遺傳算法基礎上,提出了一種考慮時間、成本、CPU、內(nèi)存和帶寬等多維約束的任務調(diào)度算法MCGA,在算法的編碼與解碼、適應度函數(shù)、交叉變異等操作環(huán)節(jié)上進行了改進,并詳細給出算法的執(zhí)行步驟,最后在CloudSim平臺上進行了仿真實驗.實驗結(jié)果表明,本文提出的算法能夠有效的達到優(yōu)化任務調(diào)度效率,同時又可提升云計算資源利用率的目的,為云計算環(huán)境下任務調(diào)度提供了一種可行的思路和方法.
[Abstract]:The number of computing tasks in cloud computing environment is very large and complex, which brings some challenges to the efficiency of cloud computing. Effective task scheduling strategy is a powerful means to ensure the efficiency of cloud computing. How to reasonably allocate cloud computing resources and design efficient computing task scheduling strategy to make all tasks complete to meet the multi-dimensional constraints is one of the current research hotspots. On the basis of genetic algorithm, this paper presents a task scheduling algorithm MCGA, which takes into account multi-dimensional constraints such as time, cost, memory and bandwidth, and improves the algorithm in coding and decoding, fitness function, crossover mutation and so on. The implementation steps of the algorithm are given in detail. Finally, the simulation experiments are carried out on the CloudSim platform. Experimental results show that the proposed algorithm can effectively achieve optimal task scheduling efficiency, and at the same time can improve the utilization of cloud computing resources. It provides a feasible idea and method for task scheduling in cloud computing environment.
【作者單位】： 上海計算機軟件技術開發(fā)中心;上海市計算機軟件評測重點實驗室;上海海事大學信息工程學院;華東理工大學信息科學與工程學院;
【基金】：上海市科技人才計劃項目(16XD1421500)資助 上海市軟科學研究計劃項目(1569210660E)資助
【分類號】：TP18;TP3

【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(gòu)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(gòu)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(gòu)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：2199370