隨著移動互聯(lián)網(wǎng)的飛速發(fā)展,移動應(yīng)用的數(shù)量和規(guī)模爆發(fā)式地增長。但是移動設(shè)備的資源有限,無法滿足復(fù)雜應(yīng)用對于資源的需求。借助移動云計算強大的資源,可以將部分任務(wù)轉(zhuǎn)移到具有多個移動設(shè)備的異構(gòu)環(huán)境中執(zhí)行。因此本文對移動云計算的建模以及智能優(yōu)化算法在其中的應(yīng)用展開研究。針對移動云環(huán)境的特點,構(gòu)建任務(wù)調(diào)度模型,使用有向無環(huán)圖（Directed Acyclic Graph,DAG）表示應(yīng)用的功能和內(nèi)部邏輯。采用向上排序值作為任務(wù)選擇執(zhí)行時段的優(yōu)先級,采用區(qū)間插入技術(shù),確定任務(wù)的執(zhí)行時段,建立了應(yīng)用完工時間的數(shù)學(xué)表達,作為調(diào)度的優(yōu)化目標(biāo)。針對所構(gòu)建的移動云環(huán)境任務(wù)調(diào)度模型提出了一種基于粒子群優(yōu)化（Particle Swarm Optimization,PSO）策略的迭代局部搜索調(diào)度算法。當(dāng)PSO搜索陷入局部最優(yōu)時,設(shè)計鄰位交換的擾動算子,使得搜索可以在解空間跳出局部最優(yōu)。搜索和擾動交替進行確定了新的方向,提高算法求解性能。通過分析上述算法的特點,進一步提出了一種改進的迭代局部搜索調(diào)度算法。使用成本更低、計算效率更高的模擬退火（Simulated Annealing,SA）算法代替PSO算法,同時采用了... 

【文章頁數(shù)】：74 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景及目的
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 任務(wù)模型研究現(xiàn)狀
        1.2.2 智能優(yōu)化算法研究現(xiàn)狀
    1.3 本文主要工作
    1.4 本文結(jié)構(gòu)安排
2 概述
    2.1 移動云計算概述
        2.1.1 移動云計算體系結(jié)構(gòu)
        2.1.2 移動云計算實現(xiàn)方式
        2.1.3 移動云計算的優(yōu)勢
    2.2 調(diào)度算法概述
        2.2.1 傳統(tǒng)調(diào)度算法
        2.2.2 啟發(fā)式算法
        2.2.3 智能優(yōu)化算法
    2.3 本章小結(jié)
3 移動云計算調(diào)度建模
    3.1 任務(wù)模型
    3.2 任務(wù)優(yōu)先級
    3.3 區(qū)間插入
    3.4 調(diào)度方案編碼
    3.5 優(yōu)化目標(biāo)
    3.6 本章小結(jié)
4 基于粒子群優(yōu)化策略的迭代局部搜索調(diào)度算法
    4.1 粒子群優(yōu)化算法
        4.1.1 粒子位置
        4.1.2 粒子速度
        4.1.3 適應(yīng)度
        4.1.4 算法描述
        4.1.5 改進措施
    4.2 迭代局部搜索
    4.3 實驗結(jié)果與分析
    4.4 本章小結(jié)
5 改進的迭代局部搜索調(diào)度算法
    5.1 模擬退火算法
        5.1.1 概率準(zhǔn)則
        5.1.2 冷卻進度
        5.1.3 鄰域結(jié)構(gòu)
        5.1.4 算法描述
    5.2 擾動算子
    5.3 終止條件
    5.4 ILS-SA調(diào)度算法
    5.5 實驗結(jié)果與分析
    5.6 本章小結(jié)
6 系統(tǒng)實現(xiàn)
    6.1 CloudSim
    6.2 CloudSim的改進
        6.2.1 支持DAG任務(wù)圖調(diào)度
        6.2.2 延遲執(zhí)行
        6.2.3 通用的調(diào)度接口
    6.3 可視化移動云計算仿真系統(tǒng)
    6.4 本章小結(jié)
7 總結(jié)與展望
    7.1 本文總結(jié)
    7.2 未來工作展望
致謝
參考文獻
附錄



本文編號：3704538