基于改進(jìn)蟻群算法的云計算任務(wù)調(diào)度策略研究.pdf

1、云計算作為一門新興的技術(shù)是從網(wǎng)格計算、分布式計算和并行計算一步步發(fā)展而來的。它的運用使得傳統(tǒng)的服務(wù)模式發(fā)生了巨大的變化，云計算所展現(xiàn)的計算模式是通過與互聯(lián)網(wǎng)技術(shù)緊密結(jié)合的一種新型商業(yè)模式。目前云計算環(huán)境下的資源是以虛擬機資源的方式進(jìn)行呈現(xiàn)，最主要的就是通過運用虛擬化技術(shù)對數(shù)據(jù)中心的各種硬件資源進(jìn)行虛擬化從而形成虛擬資源池，然后在這些虛擬資源池上進(jìn)行虛擬機動態(tài)部署,提供給用戶使用,這些資源對用戶來說是透明的，用戶知道提交的任務(wù)已執(zhí)行，但并

2、不知道執(zhí)行的具體位置。目前云計算的相關(guān)研究中任務(wù)調(diào)度、資源分配是一個熱點問題，云計算的動態(tài)性、異構(gòu)性和自治性以及其虛擬化技術(shù)的使用決定了云計算的任務(wù)調(diào)度、資源分配方式同以往的網(wǎng)格計算、分布式計算和并行計算大不相同。
　　隨著數(shù)據(jù)中心規(guī)模的持續(xù)擴大和用戶數(shù)量的不斷增加，如何使數(shù)據(jù)中心的虛擬機資源得到高效地利用的同時又滿足用戶提出的QoS要求，成為云計算任務(wù)調(diào)度的面臨的首要問題。因此研究云計算的虛擬機任務(wù)調(diào)度問題對于當(dāng)前云計算的發(fā)展具

3、有重要意義。云計算虛擬機任務(wù)調(diào)度主要研究如何將數(shù)據(jù)中心虛擬資源池中提供的虛擬機資源分配給用戶提交的任務(wù)使用，在提高云計算資源使用率，減少計算時間同時能夠滿足用戶QoS要求，達(dá)到不違反服務(wù)等級協(xié)議（Service Level Agreement，SLA）的目的。
　　本文主要研究云計算環(huán)境下任務(wù)調(diào)度策略，在總結(jié)前人工作的基礎(chǔ)上，所做的主要工作和創(chuàng)新包括以下幾點：
　　1.分析了當(dāng)前云計算發(fā)展趨勢以及云計算環(huán)境下的任務(wù)調(diào)度研究現(xiàn)

4、狀，簡要的介紹了云計算中與任務(wù)調(diào)度、資源分配相關(guān)的技術(shù)。通過詳細(xì)分析虛擬機資源調(diào)度的特點，總結(jié)了虛擬機任務(wù)調(diào)度模型，以及傳統(tǒng)的任務(wù)調(diào)度算法的優(yōu)缺點。詳細(xì)分析了蟻群算法的原理及其數(shù)學(xué)模型，根據(jù)蟻群算法的特點結(jié)合云計算任務(wù)調(diào)度的要求，設(shè)計了用改進(jìn)蟻群算法進(jìn)行云計算任務(wù)調(diào)度的策略，介紹了一種云數(shù)據(jù)中心任務(wù)調(diào)度模擬系統(tǒng)CloudSim，并在這個模擬系統(tǒng)上進(jìn)行實驗。
　　2.分析了云計算編程最常用的Map/Reduce框架，在此基礎(chǔ)上設(shè)計了

5、一個云計算任務(wù)調(diào)度物理模型以及基于這種模型的任務(wù)調(diào)度算法粒子群_蟻群聯(lián)合算法（PSO_ACO）。針對當(dāng)前蟻群算法中兩個重要參數(shù)(,)??在各種實際應(yīng)用中值的選取大都是靠大量重復(fù)實驗來確定的，所得出的參數(shù)組合可能不是最優(yōu)參數(shù)，而且不能適應(yīng)云計算任務(wù)調(diào)度的動態(tài)性從而影響調(diào)度算法性能的問題，提出了用粒子群優(yōu)化算法來求解蟻群算法參數(shù)最優(yōu)組合的改進(jìn)算法（PSO_ACO），模擬實驗表明基于PSO_ACO算法的任務(wù)調(diào)度與基于傳統(tǒng)蟻群和其它啟發(fā)式智能算