本文關(guān)鍵詞：基于多態(tài)蟻群算法的云計算節(jié)能資源調(diào)度

  更多相關(guān)文章： 云計算 資源調(diào)度 節(jié)能 蟻群算法 CloudSim

【摘要】：云計算作為一種新興的IT服務(wù)模式,是當(dāng)前研究的一個熱點,它以服務(wù)訪問的方式向用戶按需提供可靠、廉價的計算資源。借助于虛擬化技術(shù),云計算將云環(huán)境下規(guī)模龐大、結(jié)構(gòu)復(fù)雜的物理資源轉(zhuǎn)化成不同種類的虛擬資源池進(jìn)行統(tǒng)一管理,對云端提交的任務(wù)進(jìn)行自動化部署,使得服務(wù)購買者能夠在使用計算資源的同時,不必增加額外的購置、維護資源的開銷。而實現(xiàn)這樣一個平臺要解決的關(guān)鍵問題之一便是如何有效的進(jìn)行資源調(diào)度。資源調(diào)度的核心是高效地建立資源與任務(wù)之間映射關(guān)系,主要包含了兩個層次的調(diào)度:一是在虛擬資源層面,即是建立云任務(wù)和虛擬資源的映射,二是在物理資源層面,即是建立虛擬資源和宿主機之間的映射關(guān)系。良好的資源調(diào)度策略應(yīng)該滿足用戶QoS、縮短云任務(wù)的執(zhí)行時間、實現(xiàn)負(fù)載均衡和經(jīng)濟高效等目標(biāo),它決定了云計算平臺的整體性能。蟻群算法(ACO)是一種通過蟻群之間的協(xié)作而達(dá)到尋優(yōu)目的群體智能算法,其思想是受到螞蟻覓食過程的啟發(fā)。其主要原理是蟻群在行進(jìn)的過程中會釋放和感知信息素的濃度,并且在信息素的指導(dǎo)下根據(jù)輪盤賭法則選擇下一時刻行進(jìn)的方向。在蟻群行進(jìn)過程中,信息素實際上是作為了群體間信息傳遞的媒介。蟻群的信息素機制是一種正反饋機制,隨著時間的推移,較優(yōu)路徑在單位時間內(nèi)積聚的信息素量呈上升趨勢,蟻群數(shù)量也會逐步遞增,在這種正反饋機制下蟻群和信息素相互作用,算法最終達(dá)到收斂狀態(tài)。蟻群算法對于解決組合優(yōu)化問題具有較好的適應(yīng)性。而云環(huán)境下資源與任務(wù)之間的映射本質(zhì)上也是一個組合優(yōu)化問題,因此本文采用了蟻群算法來探討云計算的資源調(diào)度問題。本文在研究了云計算體系結(jié)構(gòu)和運行模式的基礎(chǔ)上,探索了資源調(diào)度的模型,明確了資源調(diào)度要解決的問題。針對蟻群算法執(zhí)行時間長的缺點,引入了子空間搜索和多態(tài)蟻群兩種機制來對算法的復(fù)雜度進(jìn)行降維處理。在此基礎(chǔ)之上,改進(jìn)蟻群算法來適應(yīng)第二個層面的資源調(diào)度問題,即虛擬機對物理主機的調(diào)度。調(diào)度的目標(biāo)是要實現(xiàn)數(shù)據(jù)中心節(jié)能和負(fù)載均衡。在行文最后借助于CloudSim平臺對算法進(jìn)行了仿真驗證,實驗結(jié)果表明數(shù)據(jù)中心的能耗得到了有效控制并且負(fù)載均衡水平良好。
【關(guān)鍵詞】：云計算 資源調(diào)度 節(jié)能 蟻群算法 CloudSim
【學(xué)位授予單位】：重慶大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP18;TP393.09
【目錄】：

• 中文摘要3-4
• 英文摘要4-8
• 1 緒論8-13
• 1.1 研究的背景8
• 1.2 研究的意義8-10
• 1.3 國內(nèi)外研究現(xiàn)狀10-11
• 1.4. 本文的研究內(nèi)容11-13
• 2 云計算綜述13-22
• 2.1 云計算的概念13
• 2.2 云計算的發(fā)展現(xiàn)狀13-14
• 2.3 云計算的架構(gòu)14-21
• 2.3.1 云計算體系結(jié)構(gòu)14-16
• 2.3.2 云計算技術(shù)架構(gòu)16-17
• 2.3.3 云計算的關(guān)鍵技術(shù)17-19
• 2.3.4 云計算的服務(wù)模型19-21
• 2.4 本章小結(jié)21-22
• 3 云計算資源調(diào)度的對比研究22-31
• 3.1 云計算資源調(diào)度概述22-23
• 3.2 云計算資源調(diào)度的目標(biāo)23
• 3.3 常用的資源調(diào)度算法對比研究23-29
• 3.3.1 傳統(tǒng)啟發(fā)式算法24
• 3.3.2 遺傳算法24-26
• 3.3.3 粒子群算法26-28
• 3.3.4 蟻群算法28-29
• 3.4 資源調(diào)度過程中的服務(wù)器負(fù)載均衡29-30
• 3.5 本章小結(jié)30-31
• 4 基于多態(tài)蟻群算法的虛擬機分配策略31-50
• 4.1 蟻群算法31-34
• 4.1.1 蟻群算法概述31-32
• 4.1.2 蟻群算法的原理和數(shù)學(xué)模型32-34
• 4.1.3 基本蟻群算法的優(yōu)缺點34
• 4.2 TSP問題的子空間搜索34-37
• 4.3 多態(tài)蟻群算法37-39
• 4.4 基于多態(tài)蟻群算法的節(jié)能資源調(diào)度策略39-49
• 4.4.1 云計算環(huán)境下的能耗模型39-40
• 4.4.2 云計算環(huán)境下的網(wǎng)絡(luò)模型40-42
• 4.4.3 主機性價比模型42-43
• 4.4.4 基于多態(tài)蟻群算法的虛擬機的分配策略43-48
• 4.4.5 數(shù)據(jù)中心運行過程中的負(fù)載均衡48-49
• 4.5 本章小結(jié)49-50
• 5 實驗仿真與結(jié)果分析50-55
• 5.1 CloudSim簡介50
• 5.2 實驗環(huán)境和參數(shù)設(shè)置50-51
• 5.3 試驗仿真流程與結(jié)果分析51-54
• 5.4 本章小結(jié)54-55
• 6 總結(jié)和展望55-57
• 6.1 論文總結(jié)55-56
• 6.2 下一步的研究工作和展望56-57
• 致謝57-58
• 參考文獻(xiàn)58-60
• 附錄A 作者在攻讀學(xué)位期間內(nèi)發(fā)表的論文目錄60

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 周建濤;陸海燕;葉新銘;;面向資源調(diào)度的矩陣規(guī)范化方法研究[J];中山大學(xué)學(xué)報(自然科學(xué)版);2009年01期

2 夏文明;李國富;;資源調(diào)度問題研究綜述[J];機電工程;2009年07期

3 林偉偉;齊德昱;;云計算資源調(diào)度研究綜述[J];計算機科學(xué);2012年10期

4 楊繼君;許維勝;黃武軍;吳啟迪;;基于多災(zāi)點非合作博弈的資源調(diào)度建模與仿真[J];計算機應(yīng)用;2008年06期

5 梁金華;;基于仿真網(wǎng)格平臺的資源調(diào)度算法模擬[J];科技信息;2010年18期

6 薛玉;;云計算環(huán)境下的資源調(diào)度優(yōu)化模型研究[J];計算機仿真;2013年05期

7 羅丹;;云計算資源調(diào)度算法仿真[J];計算機仿真;2013年07期

8 謝斌;林華;;聯(lián)合戰(zhàn)場資源調(diào)度問題綜述[J];艦船電子工程;2013年10期

9 林永毅,張智江,廖黛麗,倪凌;電信傳輸資源及調(diào)度一體化管理的研究與實現(xiàn)[J];電信科學(xué);2002年10期

10 吉軍;蔚承建;陳勝峰;陳旭;;分散式多工廠資源調(diào)度中的一種理性策略[J];計算機應(yīng)用;2010年11期

中國重要會議論文全文數(shù)據(jù)庫 前3條

1 曹東旭;劉明陽;;基于馬爾科夫決策鏈的作戰(zhàn)資源調(diào)度[A];2014第二屆中國指揮控制大會論文集（上）[C];2014年

2 王兵;賈利民;龍慧;郭杜杜;馬玉春;;新疆公路網(wǎng)交通事故應(yīng)急救援資源調(diào)度系統(tǒng)設(shè)計及應(yīng)用[A];第七屆中國智能交通年會優(yōu)秀論文集——智能交通應(yīng)用[C];2012年

3 叢慧芳;王文生;謝能付;;農(nóng)業(yè)信息網(wǎng)格環(huán)境中數(shù)據(jù)傳輸資源調(diào)度方法研究[A];中國農(nóng)業(yè)信息科技創(chuàng)新與學(xué)科發(fā)展大會論文匯編[C];2007年

中國重要報紙全文數(shù)據(jù)庫 前1條

1 本報記者 吳挺;云計算的管理需求顯現(xiàn)[N];計算機世界;2009年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 王小樂;信息物理融合系統(tǒng)資源調(diào)度關(guān)鍵技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2014年

2 吳曉民;能量捕獲驅(qū)動的異構(gòu)網(wǎng)絡(luò)資源調(diào)度與優(yōu)化研究[D];中國科學(xué)技術(shù)大學(xué);2016年

3 朱銳意;LTE系統(tǒng)資源動態(tài)分配算法研究[D];中國科學(xué)技術(shù)大學(xué);2016年

4 王力;鐵路集裝箱中心站關(guān)鍵資源調(diào)度優(yōu)化理論與方法[D];北京交通大學(xué);2014年

5 馬滿福;基于計算經(jīng)濟的網(wǎng)格資源管理研究[D];西北工業(yè)大學(xué);2007年

6 冉泳屹;云環(huán)境下基于隨機優(yōu)化的動態(tài)資源調(diào)度研究[D];中國科學(xué)技術(shù)大學(xué);2015年

7 徐昕;基于博弈論的云計算資源調(diào)度方法研究[D];華東理工大學(xué);2015年

8 徐勁松;SLA約束下的云資源調(diào)度關(guān)鍵技術(shù)研究[D];南京郵電大學(xué);2013年

9 張靜樂;網(wǎng)絡(luò)環(huán)境下協(xié)同服務(wù)關(guān)鍵技術(shù)研究[D];北京科技大學(xué);2011年

10 田國忠;多DAG共享資源調(diào)度的若干問題研究[D];北京工業(yè)大學(xué);2013年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 王艷平;基于蟻群算法的云計算資源調(diào)度研究[D];曲阜師范大學(xué);2015年

2 何蘭蘭;云環(huán)境下基于SLA的優(yōu)化資源管理機制研究[D];江西理工大學(xué);2015年

3 張揚;基于QPSO-SFLA改進(jìn)算法的云環(huán)境資源調(diào)度研究[D];江西理工大學(xué);2014年

4 楊南;藏文輿情云分析平臺資源調(diào)度優(yōu)化研究[D];西北民族大學(xué);2015年

5 李超;基于改進(jìn)粒子群算法的云計算資源調(diào)度研究[D];中國礦業(yè)大學(xué);2015年

6 郭慶光;基于協(xié)同演化算法的云計算資源調(diào)度的研究[D];電子科技大學(xué);2014年

7 陳強;載波聚合下的資源調(diào)度研究[D];電子科技大學(xué);2014年

8 梁俊杰;基于應(yīng)用容器的云資源調(diào)度研究與實現(xiàn)[D];電子科技大學(xué);2015年

9 趙穎;Hadoop環(huán)境下的動態(tài)資源管理研究與實現(xiàn)[D];上海交通大學(xué);2015年

10 徐政;基于QoS的LTE資源調(diào)度策略研究[D];南京郵電大學(xué);2015年

，

本文編號：806796