云計算環(huán)境下的啟發(fā)式任務調度算法.pdf

1、由于云計算具有分布式計算存儲、服務資源池化、高擴展性、高可用性、成本經濟等新穎特點，云計算應用領域的不斷擴大，涉及醫(yī)療、科研、網絡安全、圖形圖像處理等多個領域。學者們對云計算領域中的技術進行深入研究，包括云數(shù)據(jù)存儲、云數(shù)據(jù)管理、云計算任務調度、云計算編程模型、云計算安全等，其中任務調度是核心內容并且是研究熱點之一。任務調度的研究主要集中在任務調度模型和任務調度算法兩個方面。鑒于云計算任務量大、調度目標復雜等特點，國內外許多學者嘗試結合啟

2、發(fā)式算法進行任務調度，并取得了一定效果。本文以云計算任務調度算法為目標，對云計算任務調度的關鍵問題進行了詳細的分析，對基于改進的啟發(fā)式算法的云計算任務調度進行了深入研究和探索。
　　本文首先介紹了云計算概念、云計算系統(tǒng)和服務、云計算的體系結構和云計算關鍵技術，再介紹云計算任務調度的概念、特點、目標，分析傳統(tǒng)算法的優(yōu)缺點。提出啟發(fā)式算法解決該類問題存在的優(yōu)勢。在分析幾種啟發(fā)式算法的基礎上，選取較為新穎的布谷鳥搜索算法和混合蛙跳算法進

3、行重點研究。在分析兩種算法背景、思想和流程的基礎上，發(fā)現(xiàn)算法的優(yōu)點和不足。針對布谷鳥搜索算法在進化后期容易造成早熟，易陷入局部最優(yōu)解，無法搜索出全局最優(yōu)解的缺點，提出一種改進的布谷鳥搜索算法，結合柯西變異算子較強的擾動能力改進其后期搜索的問題。在分析基本混合蛙跳算法局部搜索部分存在不足，提出一種改進的混合蛙跳算法，該方法引入雙學習能力因子，使用新的局部搜索更新策略，改善了算法的尋優(yōu)能力。然后基于兩種改進的算法，即自適應柯西變異布谷鳥搜索

4、算法和雙學習能力混合蛙跳算法進行標準函數(shù)測試。最后，結合任務調度問題描述設計編碼方式和適應度函數(shù)，并提出了自適應布谷鳥搜索算法的任務調度方案和雙學習能力混合蛙跳算法的任務調度方案。
　　本文在CloudSim仿真平臺上對提出的任務調度方案進行模擬，用于評估算法對云計算任務調度時的性能影響，為算法性能進行了較為客觀科學的評估。對比實驗結果，本文提出的自適應布谷鳥搜索算法的任務調度方案和雙學習能力混合蛙跳算法的任務調度方案在時間跨度和