當前,云計算與虛擬化技術(shù)發(fā)展迅速。云計算的重要意義在于為所有用戶提供高性能、高可靠度的計算能力。故在云計算系統(tǒng)中,計算資源的調(diào)度是云計算中一個重要的組成部分,資源調(diào)度策略的好壞直接影響到整個云計算系統(tǒng)的性能。本文圍繞基于多元化用戶請求的云計算資源調(diào)度策略展開了理論與技術(shù)研究,并研究了當前開放的云計算系統(tǒng)中的資源組織形式以及云計算中主流的資源調(diào)度框架。另外,本文對遺傳算法及其混合算法-多Agent遺傳算法的理論基礎(chǔ)及算法流程分別進行了研究,論述了遺傳算法在解決高維優(yōu)化問題時所存在的局限性。并通過實驗,從優(yōu)化結(jié)果和平均迭代次數(shù)兩個方面論證了多Agent遺傳算法在求解高維函數(shù)優(yōu)化問題時比遺傳算法具有更高的收斂速度以及更好的并行性,從而進一步證明了多Agent遺傳算法更加適合于高維、大數(shù)據(jù)量優(yōu)化問題的求解。最后,本文設(shè)計實現(xiàn)了基于虛擬化技術(shù)的云計算仿真系統(tǒng),并在此基礎(chǔ)上將多Agent遺傳算法以及按請求分組的調(diào)度策略應用于云計算仿真系統(tǒng)上的資源調(diào)度策略中。然后通過三組實驗,對多Agent遺傳算法調(diào)度策略與傳統(tǒng)的輪詢法調(diào)度、Min_min調(diào)度進行了比較。實驗結(jié)果表明,本文所設(shè)計... 

【文章來源】：西安石油大學陜西省

【文章頁數(shù)】：76 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 遺傳算法與多Agent遺傳算法概述
    1.4 云計算及資源調(diào)度策略綜述
    1.5 論文完成的主要工作
    1.6 章節(jié)安排
第二章 云計算與資源調(diào)度策略概述
    2.1 云計算體系結(jié)構(gòu)
    2.2 虛擬化技術(shù)
    2.3 云計算中資源調(diào)度的一般方法
        2.3.1 在線資源調(diào)度算法
        2.3.2 批處理資源調(diào)度算法
    2.4 云計算中主流資源調(diào)度框架介紹
        2.4.1 Condor調(diào)度框架
        2.4.2 ISF調(diào)度框架
    2.5 小結(jié)
第三章 遺傳算法及多Agent遺傳算法
    3.1 進化計算
    3.2 遺傳算法
        3.2.1 遺傳算法的實現(xiàn)機制
        3.2.2 模式定理
        3.2.3 隱含并行性
    3.3 遺傳算法的局限性
    3.4 多Agent遺傳算法
        3.4.1 多Agent系統(tǒng)
        3.4.2 Agent的生存環(huán)境
        3.4.3 鄰域競爭操作算子
        3.4.4 鄰域正交交叉算子
        3.4.5 變異算子
        3.4.6 自學習算子
    3.5 算法操作與性能比較
    3.6 小結(jié)
第四章 基于多Agent遺傳算法的資源調(diào)度策略的設(shè)計與實現(xiàn)
    4.1 仿真平臺框架設(shè)計
    4.2 資源請求
    4.3 資源探測與監(jiān)控
    4.4 基于多Agent遺傳算法的資源調(diào)度策略的設(shè)計與實現(xiàn)
        4.4.1 問題描述
        4.4.2 適應度函數(shù)設(shè)計與實現(xiàn)
        4.4.3 編碼方案設(shè)計與實現(xiàn)
        4.4.4 多Agent遺傳操作
    4.5 本系統(tǒng)所采用的其他資源調(diào)度策略
        4.5.1 輪詢調(diào)度
min調(diào)度">        4.5.2 Min_min調(diào)度
    4.6 小結(jié)
第五章 實驗與分析
    5.1 數(shù)據(jù)準備
    5.2 多Agent遺傳算法參數(shù)設(shè)置
    5.3 實驗結(jié)果比較
    5.4 實驗結(jié)果分析
    5.5 小結(jié)
第六章 總結(jié)與展望
致謝
參考文獻
附錄 （攻讀碩士學位期間發(fā)表的論文）
詳細摘要


【參考文獻】：
期刊論文
[1]基于群體適應度均值商的自適應遺傳算法[J]. 田東平.  計算機應用與軟件. 2010(11)
[2]基于免疫遺傳算法的負載均衡策略[J]. 蘇日娜,王宇.  計算機應用. 2010(10)
[3]基于自適應模擬退火遺傳算法的非線性方程組求解[J]. 胡斐,趙治國.  微型電腦應用. 2010(09)
[4]Min-Min調(diào)度算法的研究與改進[J]. 杜玉霞,劉方愛,郭磊.  計算機工程與應用. 2010(24)
[5]一種改進型量子遺傳算法[J]. 張宗飛.  計算機工程. 2010(06)
[6]基于PSO的多約束QoS網(wǎng)格資源選擇模型[J]. 傅明,周杰,黃晶.  計算機工程與設(shè)計. 2009(03)
[7]虛擬化技術(shù)在云計算中的應用初探[J]. 王昊鵬,劉旺盛.  電腦知識與技術(shù). 2008(25)
[8]基于移動Agent的網(wǎng)格計算資源管理模型設(shè)計[J]. 曾正軍,舒萬能.  計算機工程與應用. 2008(21)
[9]一種改進的啟發(fā)式網(wǎng)格任務(wù)調(diào)度算法[J]. 崔玉寶,李建義,薛桂香.  微型電腦應用. 2006(05)
[10]網(wǎng)格計算中的任務(wù)調(diào)度模型研究[J]. 尚明生.  計算機工程. 2006(02)

碩士論文
[1]基于XEN網(wǎng)絡(luò)虛擬化的性能研究[D]. 楊林鳳.復旦大學 2010
[2]虛擬化云計算中資源管理的研究與實現(xiàn)[D]. 肖斐.西安電子科技大學 2010
[3]基于QoS的網(wǎng)格資源管理及容錯策略的研究[D]. 馬鋒明.蘇州大學 2009
[4]基于遺傳算法的網(wǎng)格任務(wù)調(diào)度算法的研究[D]. 鐘艷平.浙江工業(yè)大學 2007



本文編號：3073957