本文關(guān)鍵詞：基于改進(jìn)粒子群算法的云任務(wù)調(diào)度方案研究，由筆耕文化傳播整理發(fā)布。

【摘要】：作為一種新興的商業(yè)計(jì)算模式,云計(jì)算是網(wǎng)格計(jì)算,并行計(jì)算和效用計(jì)算融合發(fā)展的產(chǎn)物。云計(jì)算采用虛擬化技術(shù)將系統(tǒng)中的資源組成一個(gè)虛擬共享池,用戶通過互聯(lián)網(wǎng)從資源池中獲取所需的資源型服務(wù)或者應(yīng)用型服務(wù)。云計(jì)算在社會(huì)新需求和規(guī)模經(jīng)濟(jì)需求的強(qiáng)烈推動(dòng)下產(chǎn)生,具有較高的商業(yè)價(jià)值和應(yīng)用價(jià)值,自提出以來就成為國(guó)內(nèi)外商業(yè)機(jī)構(gòu)和科研領(lǐng)域重點(diǎn)研究和關(guān)注的對(duì)象。云環(huán)境下用戶基于“按需請(qǐng)求、按量付費(fèi)”的標(biāo)準(zhǔn)從資源池中獲取服務(wù)。由于系統(tǒng)中用戶群體廣泛,用戶任務(wù)的服務(wù)質(zhì)量目標(biāo)各不相同,以及資源動(dòng)態(tài)性和異構(gòu)性的特點(diǎn),使得云環(huán)境下任務(wù)調(diào)度成為一個(gè)NP-hard問題。因此,本文提出一種基于執(zhí)行時(shí)間和執(zhí)行費(fèi)用的改進(jìn)粒子群算法的云任務(wù)調(diào)度方案。本文主要研究?jī)?nèi)容和所做工作包括：(1)全面的、詳細(xì)的介紹云計(jì)算技術(shù)平臺(tái)和云計(jì)算任務(wù)調(diào)度的國(guó)內(nèi)外研究現(xiàn)狀,對(duì)云計(jì)算和任務(wù)調(diào)度的相關(guān)概念研究進(jìn)行說明,并對(duì)已經(jīng)提出的云任務(wù)調(diào)度算法做出一定的總結(jié)和闡述。(2)針對(duì)云計(jì)算的商業(yè)化特征,將用戶任務(wù)調(diào)度請(qǐng)求的執(zhí)行時(shí)間和執(zhí)行費(fèi)用作為服務(wù)質(zhì)量目標(biāo),并且基于這兩個(gè)目標(biāo)建立云任務(wù)調(diào)度的數(shù)學(xué)模型。(3)在粒子群算法的實(shí)現(xiàn)基礎(chǔ)上,提出一種改進(jìn)的離散化粒子群算法,算法通過引入遺傳算法的交叉操作和變異操作,使粒子群算法可以解決任務(wù)調(diào)度離散化的問題。實(shí)現(xiàn)過程包括采用二進(jìn)制的離散編碼方式對(duì)任務(wù)調(diào)度問題進(jìn)行編碼：對(duì)種群采取位置更新策略；為提高改進(jìn)算法的局部搜索精度,采用一種基于Interchange鄰域結(jié)構(gòu)的局部搜索策略來提升種群后期的尋優(yōu)能力。(4)采用云計(jì)算仿真模擬器CloudSim將改進(jìn)的離散化粒子群算法與標(biāo)準(zhǔn)粒子群算法、遺傳算法進(jìn)行比較,仿真結(jié)果表明改進(jìn)的粒子群算法收斂速度更快,尋優(yōu)能力更好。
【關(guān)鍵詞】：云計(jì)算 任務(wù)調(diào)度 粒子群算法 離散化
【學(xué)位授予單位】：安徽財(cái)經(jīng)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP3;TP18
【目錄】：

• 摘要4-5
• ABSTRACT5-10
• 1 引言10-19
• 1.1 研究背景及意義10-11
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀11-17
• 1.2.1 云計(jì)算技術(shù)平臺(tái)研究現(xiàn)狀11-15
• 1.2.2 云計(jì)算任務(wù)調(diào)度研究現(xiàn)狀15-17
• 1.3 本文的創(chuàng)新點(diǎn)和不足17
• 1.3.1 主要?jiǎng)?chuàng)新點(diǎn)17
• 1.3.2 本文的不足17
• 1.4 本文的組織結(jié)構(gòu)17-19
• 2 云環(huán)境下任務(wù)調(diào)度相關(guān)研究19-32
• 2.1 云計(jì)算概述19-26
• 2.1.1 云計(jì)算的定義19-20
• 2.1.2 云計(jì)算的特點(diǎn)20-21
• 2.1.3 云計(jì)算的分類21-24
• 2.1.4 云計(jì)算的體系結(jié)構(gòu)24-25
• 2.1.5 云計(jì)算的關(guān)鍵技術(shù)25-26
• 2.2 任務(wù)調(diào)度概述26-29
• 2.2.1 任務(wù)調(diào)度的定義26-27
• 2.2.2 任務(wù)調(diào)度的特點(diǎn)27-28
• 2.2.3 任務(wù)調(diào)度的目標(biāo)28-29
• 2.3 常見的任務(wù)調(diào)度算法29-31
• 2.3.1 傳統(tǒng)型任務(wù)調(diào)度算法29-30
• 2.3.2 啟發(fā)式任務(wù)調(diào)度算法30-31
• 2.4 本章小結(jié)31-32
• 3 基于改進(jìn)粒子群算法的云任務(wù)調(diào)度方案32-46
• 3.1 粒子群算法簡(jiǎn)介32-35
• 3.1.1 粒子群算法的基本原理32-33
• 3.1.2 粒子群算法的控制參數(shù)33-34
• 3.1.3 粒子群算法的實(shí)現(xiàn)流程34-35
• 3.2 云任務(wù)調(diào)度問題描述35-36
• 3.3 云任務(wù)調(diào)度數(shù)學(xué)模型36-37
• 3.4 基于IDPSO的任務(wù)調(diào)度算法37-45
• 3.4.1 算法的編碼方式37-39
• 3.4.2 適應(yīng)度函數(shù)39
• 3.4.3 粒子位置更新策略39-43
• 3.4.4 局部搜索策略43-44
• 3.4.5 IDPSO算法實(shí)現(xiàn)流程44-45
• 3.5 本章小結(jié)45-46
• 4 實(shí)驗(yàn)仿真與結(jié)果分析46-57
• 4.1 CloudSim概述46-52
• 4.1.1 CloudSim的功能和特點(diǎn)46-47
• 4.1.2 CloudSim的體系結(jié)構(gòu)47-49
• 4.1.3 CloudSim的技術(shù)實(shí)現(xiàn)49-52
• 4.1.4 CloudSim的工作方式52
• 4.2 仿真實(shí)驗(yàn)52-54
• 4.2.1 環(huán)境配置52-53
• 4.2.2 仿真流程53-54
• 4.3 實(shí)驗(yàn)結(jié)果及分析54-56
• 4.3.1 執(zhí)行時(shí)間結(jié)果與分析55-56
• 4.3.2 執(zhí)行費(fèi)用結(jié)果與分析56
• 4.4 本章小結(jié)56-57
• 5 總結(jié)與展望57-59
• 5.1 工作總結(jié)57-58
• 5.2 工作展望58-59
• 參考文獻(xiàn)59-63
• 致謝63-64
• 在讀期間發(fā)表論文64

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫 前10條

1 秦玉靈;孔憲仁;羅文波;;混沌量子粒子群算法在模型修正中的應(yīng)用[J];計(jì)算機(jī)工程與應(yīng)用;2010年02期

2 陳治明;;新型量子粒子群算法及其性能分析研究[J];福建電腦;2010年05期

3 牛永潔;;一種新型的混合粒子群算法[J];信息技術(shù);2010年10期

4 全芙蓉;;粒子群算法的理論分析與研究[J];硅谷;2010年23期

5 劉衍民;趙慶禎;邵增珍;;一種改進(jìn)的完全信息粒子群算法研究[J];曲阜師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年01期

6 朱童;李小凡;魯明文;;位置加權(quán)的改進(jìn)粒子群算法[J];計(jì)算機(jī)工程與應(yīng)用;2011年05期

7 熊智挺;譚陽紅;易如方;陳賽華;;一種并行的自適應(yīng)量子粒子群算法[J];計(jì)算機(jī)系統(tǒng)應(yīng)用;2011年08期

8 孟純青;;非線性粒子群算法[J];微計(jì)算機(jī)應(yīng)用;2011年08期

9 任偉建;武璇;;一種動(dòng)態(tài)改變學(xué)習(xí)因子的簡(jiǎn)化粒子群算法[J];自動(dòng)化技術(shù)與應(yīng)用;2012年10期

10 劉飛,孫明,李寧,孫德寶,鄒彤;粒子群算法及其在布局優(yōu)化中的應(yīng)用[J];計(jì)算機(jī)工程與應(yīng)用;2004年12期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫 前10條

1 朱童;李小凡;魯明文;;位置加權(quán)的改進(jìn)粒子群算法[A];中國(guó)科學(xué)院地質(zhì)與地球物理研究所第11屆（2011年度）學(xué)術(shù)年會(huì)論文集(上)[C];2012年

2 陳定;何炳發(fā);;一種新的二進(jìn)制粒子群算法在稀疏陣列綜合中的應(yīng)用[A];2009年全國(guó)天線年會(huì)論文集（上）[C];2009年

3 陳龍祥;蔡國(guó)平;;基于粒子群算法的時(shí)滯動(dòng)力學(xué)系統(tǒng)的時(shí)滯辨識(shí)[A];第十二屆全國(guó)非線性振動(dòng)暨第九屆全國(guó)非線性動(dòng)力學(xué)和運(yùn)動(dòng)穩(wěn)定性學(xué)術(shù)會(huì)議論文集[C];2009年

4 于穎;李永生;於孝春;;新型離散粒子群算法在波紋管優(yōu)化設(shè)計(jì)中的應(yīng)用[A];第十一屆全國(guó)膨脹節(jié)學(xué)術(shù)會(huì)議膨脹節(jié)設(shè)計(jì)、制造和應(yīng)用技術(shù)論文選集[C];2010年

5 劉卓倩;顧幸生;;一種基于信息熵的改進(jìn)粒子群算法[A];系統(tǒng)仿真技術(shù)及其應(yīng)用（第7卷）——'2005系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會(huì)論文選編[C];2005年

6 熊偉麗;徐保國(guó);;粒子群算法在支持向量機(jī)參數(shù)選擇優(yōu)化中的應(yīng)用研究[A];2007中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];2007年

7 方衛(wèi)華;徐蘭玉;陳允平;;改進(jìn)粒子群算法在大壩力學(xué)參數(shù)分區(qū)反演中的應(yīng)用[A];2012年中國(guó)水力發(fā)電工程學(xué)會(huì)大壩安全監(jiān)測(cè)專委會(huì)年會(huì)暨學(xué)術(shù)交流會(huì)論文集[C];2012年

8 熊偉麗;徐保國(guó);;單個(gè)粒子收斂中心隨機(jī)攝動(dòng)的粒子群算法[A];2009年中國(guó)智能自動(dòng)化會(huì)議論文集（第七分冊(cè)）[南京理工大學(xué)學(xué)報(bào)（增刊）][C];2009年

9 馬向陽;陳琦;;以粒子群算法求解買賣雙方存貨主從對(duì)策[A];第十二屆中國(guó)管理科學(xué)學(xué)術(shù)年會(huì)論文集[C];2010年

10 趙磊;;基于粒子群算法求解多目標(biāo)函數(shù)優(yōu)化問題[A];第二十一屆中國(guó)（天津）’2007IT、網(wǎng)絡(luò)、信息技術(shù)、電子、儀器儀表創(chuàng)新學(xué)術(shù)會(huì)議論文集[C];2007年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 王芳;粒子群算法的研究[D];西南大學(xué);2006年

2 安鎮(zhèn)宙;家庭粒子群算法及其奇偶性與收斂性分析[D];云南大學(xué);2012年

3 劉建華;粒子群算法的基本理論及其改進(jìn)研究[D];中南大學(xué);2009年

4 黃平;粒子群算法改進(jìn)及其在電力系統(tǒng)的應(yīng)用[D];華南理工大學(xué);2012年

5 胡成玉;面向動(dòng)態(tài)環(huán)境的粒子群算法研究[D];華中科技大學(xué);2010年

6 張靜;基于混合離散粒子群算法的柔性作業(yè)車間調(diào)度問題研究[D];浙江工業(yè)大學(xué);2014年

7 張寶;粒子群算法及其在衛(wèi)星艙布局中的應(yīng)用研究[D];大連理工大學(xué);2007年

8 劉宏達(dá);粒子群算法的研究及其在船舶工程中的應(yīng)用[D];哈爾濱工程大學(xué);2008年

9 楊輕云;約束滿足問題與調(diào)度問題中離散粒子群算法研究[D];吉林大學(xué);2006年

10 馮琳;改進(jìn)多目標(biāo)粒子群算法的研究及其在電弧爐供電曲線優(yōu)化中的應(yīng)用[D];東北大學(xué);2013年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 張忠偉;結(jié)構(gòu)優(yōu)化中粒子群算法的研究與應(yīng)用[D];大連理工大學(xué);2009年

2 李強(qiáng);基于改進(jìn)粒子群算法的艾薩爐配料優(yōu)化[D];昆明理工大學(xué);2015年

3 付曉艷;基于粒子群算法的自調(diào)節(jié)隸屬函數(shù)模糊控制器設(shè)計(jì)[D];河北聯(lián)合大學(xué);2014年

4 余漢森;粒子群算法的自適應(yīng)變異研究[D];南京信息工程大學(xué);2015年

5 梁計(jì)鋒;基于改進(jìn)粒子群算法的交通控制算法研究[D];長(zhǎng)安大學(xué);2015年

6 楊偉;基于粒子群算法的氧樂果合成過程建模研究[D];鄭州大學(xué);2015年

7 李程;基于粒子群算法的AS/RS優(yōu)化調(diào)度方法研究[D];陜西科技大學(xué);2015年

8 樊偉健;基于混合混沌粒子群算法求解變循環(huán)發(fā)動(dòng)機(jī)數(shù)學(xué)模型問題[D];山東大學(xué);2015年

9 陳百霞;考慮風(fēng)電場(chǎng)并網(wǎng)的電力系統(tǒng)無功優(yōu)化[D];山東大學(xué);2015年

10 戴玉倩;基于混合動(dòng)態(tài)粒子群算法的軟件測(cè)試數(shù)據(jù)自動(dòng)生成研究[D];江西理工大學(xué);2015年

  本文關(guān)鍵詞：基于改進(jìn)粒子群算法的云任務(wù)調(diào)度方案研究，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：278829