多目標(biāo)粒子群算法在數(shù)據(jù)中心任務(wù)調(diào)度的應(yīng)用研究.pdf

1、隨著全球氣候變暖、能源供應(yīng)緊張等問(wèn)題的出現(xiàn)，互聯(lián)網(wǎng)數(shù)據(jù)中心的節(jié)能減排問(wèn)題受到了前所未有的關(guān)注。當(dāng)前人類環(huán)境保護(hù)意識(shí)的提高和可持續(xù)發(fā)展戰(zhàn)略的實(shí)施，數(shù)據(jù)中心產(chǎn)生的巨大能耗帶來(lái)的環(huán)保問(wèn)題逐漸成為工業(yè)界和學(xué)術(shù)界共同關(guān)注的話題。數(shù)據(jù)中心的服務(wù)器等基礎(chǔ)設(shè)備的投資規(guī)模也在飛速增長(zhǎng)，相應(yīng)的能耗費(fèi)用成為影響企業(yè)收益的重要因素。因此，數(shù)據(jù)中心運(yùn)營(yíng)商在保證一定運(yùn)營(yíng)收益的前提下，研究通過(guò)合理任務(wù)調(diào)度來(lái)降低能耗，減少排放具有重要社會(huì)和經(jīng)濟(jì)意義。論文將降低數(shù)據(jù)中心

2、能耗，改善服務(wù)收益作為優(yōu)化目標(biāo)，將數(shù)據(jù)中心任務(wù)調(diào)度問(wèn)題映射為一個(gè)多目標(biāo)優(yōu)化問(wèn)題，并通過(guò)改進(jìn)的多目標(biāo)粒子群算法求解帕累托最優(yōu)解。論文主要工作如下:
　　1.在分析數(shù)據(jù)中心的任務(wù)調(diào)度目標(biāo)和特點(diǎn)基礎(chǔ)之上，比較了現(xiàn)有任務(wù)調(diào)度算法的優(yōu)缺點(diǎn)。在考慮數(shù)據(jù)中心作為服務(wù)提供商的能耗和收益目標(biāo)的基礎(chǔ)上，構(gòu)建數(shù)據(jù)中心任務(wù)調(diào)度能耗模型和收益模型。
　　2.設(shè)計(jì)多目標(biāo)粒子群改進(jìn)算法，在外部檔案的更新方法上提出一種新的策略，采用一種基于遺傳算法中的變異

3、算子的操作，通過(guò)變異算子可使精英解集交換有用的基因片段，以此來(lái)提高外部檔案內(nèi)Pareto最優(yōu)解集的多樣性，防止算法后期陷入局部最優(yōu)解;在采用Sigma方法的基礎(chǔ)上引入擁擠距離的求解算法，對(duì)全局最優(yōu)粒子的選取策略進(jìn)行改進(jìn)，并采用Pareto支配關(guān)系來(lái)選擇最優(yōu)解，以提高算法的收斂性和最優(yōu)解集的多樣性。
　　3.在Matlab環(huán)境下選取ZDT和DTLZ兩種標(biāo)準(zhǔn)實(shí)驗(yàn)測(cè)試函數(shù)集，與經(jīng)典的NSGA-Ⅱ優(yōu)化算法和傳統(tǒng)的多目標(biāo)粒子群算法進(jìn)行對(duì)比分

4、析，通過(guò)比較算法的收斂性指標(biāo)、分布性指標(biāo)以及時(shí)間指標(biāo)來(lái)驗(yàn)證算法的有效性?；贑loudSim開源仿真器進(jìn)行研究，分別對(duì)改進(jìn)的多目標(biāo)粒子群算法、經(jīng)典的NSGA-Ⅱ和傳統(tǒng)的多目標(biāo)粒子群算法在基于多目標(biāo)優(yōu)化的數(shù)據(jù)中心任務(wù)調(diào)度問(wèn)題中進(jìn)行仿真實(shí)驗(yàn)，通過(guò)能耗和收益結(jié)果來(lái)驗(yàn)證算法的實(shí)用性。
　　通過(guò)對(duì)Matlab實(shí)驗(yàn)仿真結(jié)果進(jìn)行對(duì)比分析，本文提出的改進(jìn)算法在降低運(yùn)行時(shí)間的同時(shí)，保證了算法種群粒子的多樣性和算法的收斂性，進(jìn)而可以更準(zhǔn)確的找到多目標(biāo)