資源負(fù)載分配是云計(jì)算領(lǐng)域的重要研究方向,當(dāng)前云計(jì)算資源負(fù)載分配算法難以得到最合理的分配方案,導(dǎo)致部分云計(jì)算資源上存在負(fù)載過重或者空負(fù)載現(xiàn)象,云計(jì)算資源利用率低。為了解決當(dāng)前云計(jì)算資源負(fù)載分配算法存在的局限性,提出基于布谷鳥搜索算法的云計(jì)算資源負(fù)載分配算法。首先分析當(dāng)前云計(jì)算資源負(fù)載分配算法的研究進(jìn)展,建立云計(jì)算資源負(fù)載分配模型,然后利用具有模擬鳥群群集行為和特征的布谷鳥搜索算法對其進(jìn)行求解,根據(jù)最優(yōu)鳥巢位置得到云計(jì)算資源負(fù)載分配方案,最后采用CloudSim軟件實(shí)現(xiàn)了云計(jì)算資源負(fù)載分配仿真測試實(shí)驗(yàn)。結(jié)果表明,相當(dāng)于當(dāng)前其它云計(jì)算資源負(fù)載分配算法,布谷鳥搜索算法的求解效率得到了明顯提升,求解精度也得到了相應(yīng)的改善,可以保證云計(jì)算資源上分配的負(fù)載十分均衡,提高了云計(jì)算資源負(fù)載利用率,降低了云計(jì)算系統(tǒng)的運(yùn)行成本。 

【文章來源】：微型電腦應(yīng)用. 2020,36(02)

【文章頁數(shù)】：4 頁

【部分圖文】：

布谷鳥搜索算法的工作流程

云計(jì)算的體系結(jié)構(gòu)

不同負(fù)載數(shù)量的條件下,兩種云計(jì)算資源負(fù)載分配算法找到最優(yōu)方案的迭代次數(shù)變化曲線如圖3所示。從圖3可以看出,隨著負(fù)載數(shù)量的增加,迭代次數(shù)不斷的增加,當(dāng)負(fù)載數(shù)量較小時(shí),兩種算法的迭代次數(shù)相差不大,但當(dāng)負(fù)載數(shù)量比較大時(shí),布谷鳥搜索算法的迭代次數(shù)少于文獻(xiàn)[11]算法,從而加快了找到云計(jì)算資源負(fù)載分配最優(yōu)方案的速度,驗(yàn)證了布谷鳥搜索算法的有效性。

【參考文獻(xiàn)】：
期刊論文
[1]一種基于共享公平和時(shí)變資源需求的公平分配策略[J]. 李杰,張靜,李偉東,張學(xué)杰.  計(jì)算機(jī)研究與發(fā)展. 2019(07)
[2]移動邊緣計(jì)算環(huán)境下的動態(tài)資源分配策略[J]. 朱新峰,張智浩,王彥凌.  計(jì)算機(jī)工程與科學(xué). 2019(07)
[3]云計(jì)算環(huán)境下的資源分配關(guān)鍵技術(shù)研究綜述[J]. 姜棟瀚,林海濤.  中國電子科學(xué)研究院學(xué)報(bào). 2018(03)
[4]基于計(jì)算資源運(yùn)行時(shí)剩余能力評估優(yōu)化云平臺[J]. 周墨頌,董小社,陳衡,張興軍.  計(jì)算機(jī)研究與發(fā)展. 2017(11)
[5]基于改進(jìn)型離散粒子群優(yōu)化的云計(jì)算資源分配方案[J]. 謝輔雯,張敏.  湘潭大學(xué)自然科學(xué)學(xué)報(bào). 2017(03)
[6]云計(jì)算中時(shí)間感知應(yīng)用的資源分配與調(diào)度算法[J]. 劉小銘,李宗輝,王俊杰,許旭江.  西南師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(07)
[7]一種混合優(yōu)化的云計(jì)算資源調(diào)度算法[J]. 陳欽榮,劉順來,林錫彬.  韓山師范學(xué)院學(xué)報(bào). 2016(06)
[8]基于改進(jìn)粒子群算法的云計(jì)算資源調(diào)度模型的研究[J]. 趙宏偉.  沈陽大學(xué)學(xué)報(bào)(自然科學(xué)版). 2015(06)
[9]基于粒子群優(yōu)化算法的云計(jì)算資源調(diào)度策略研究[J]. 周麗娟,王春影.  計(jì)算機(jī)科學(xué). 2015(06)
[10]云計(jì)算環(huán)境下的DPSO資源負(fù)載均衡算法[J]. 馮小靖,潘郁.  計(jì)算機(jī)工程與應(yīng)用. 2013(06)



本文編號：3542429