蟻群優(yōu)化算法在云計(jì)算資源分配上的應(yīng)用.pdf

1、近年來，隨著信息技術(shù)在各大領(lǐng)域的廣泛應(yīng)用，互聯(lián)網(wǎng)中的數(shù)據(jù)信息量也呈現(xiàn)出爆炸式的增長，互聯(lián)網(wǎng)已然進(jìn)入“大數(shù)據(jù)時(shí)代”，傳統(tǒng)的計(jì)算模式已不能滿足當(dāng)前不斷變化的動(dòng)態(tài)需求?；谝陨系陌l(fā)展背景，“云計(jì)算”這個(gè)新興技術(shù)應(yīng)運(yùn)而生。然而在復(fù)雜的云計(jì)算環(huán)境中，實(shí)際的資源分布情況往往異常復(fù)雜，有可能出現(xiàn)申請(qǐng)的資源數(shù)不足，以至于當(dāng)前用戶作業(yè)無法正常進(jìn)行；當(dāng)然也有可能出現(xiàn)對(duì)資源需求估算過高，這樣又會(huì)使所租用的部分資源處于閑置狀態(tài)，使得資源不能充分利用。因此，如何

2、合理有效的將用戶作業(yè)分配到資源節(jié)點(diǎn)上成為云計(jì)算的關(guān)鍵問題。
　　蟻群算法是一種智能仿生算法，是根據(jù)觀察自然界中蟻群的覓食活動(dòng)提出，通過觀察發(fā)現(xiàn)螞蟻總能找到蟻穴和食物源之間最近的路徑，其主要原理是蟻群中的螞蟻可以通過釋放和感知信息素的濃度來辨別和確定下一步需要轉(zhuǎn)移的路徑，在找到食物源后會(huì)根據(jù)路徑長度等信息來釋放一定濃度的信息素，信息素濃度越高的路徑被選擇的幾率越大。蟻群算法因具有正反饋機(jī)制以及魯棒性等特點(diǎn)自提出后便得到廣泛研究與改進(jìn)

3、，在應(yīng)用方面特別是針對(duì)組合優(yōu)化問題蟻群算法展現(xiàn)了很大的優(yōu)勢，故本文將以蟻群算法為基礎(chǔ)應(yīng)用于云計(jì)算中資源分配問題上來，而單一的蟻群算法在具體應(yīng)用時(shí)存在算法固有的缺點(diǎn)，因此在本文中將引入遺傳算法、Metropolis接受準(zhǔn)則將蟻群算法進(jìn)行改進(jìn)。
　　本文的主要工作及創(chuàng)新點(diǎn)如下：
　　(1)首先簡單介紹關(guān)于云計(jì)算的基礎(chǔ)知識(shí)、MapReduce模型以及云計(jì)算環(huán)境下的資源分配問題。
　　(2)針對(duì)基本蟻群算法（ACO）在前期因路

4、徑中信息素濃度相同有一段相當(dāng)長時(shí)間的盲目搜索的缺陷，不是單純地改進(jìn)原有算法的參數(shù)或公式。而是引入遺傳算法（GA）的基本思想，并根據(jù)算法的特點(diǎn)將遺傳算法中的快速全局搜索能力引入到初始信息素的分配過程中，將兩個(gè)算法融合后提出遺傳蟻群算法（GAAA）并將算法應(yīng)用到旅行商問題（TSP）上，通過實(shí)驗(yàn)結(jié)果證明GAAA算法的可行性。
　　(3)信息素更新機(jī)制，引進(jìn)模擬退火算法中的Me tropo lis接受準(zhǔn)則，進(jìn)行路徑優(yōu)化和信息素的更新，根據(jù)

5、Metropolis接受準(zhǔn)則來接受一些“劣質(zhì)”新解，通過比較新解和初始解的目標(biāo)函數(shù)值來判斷是否接受新解，在理論上能夠可以一定程度上避免AC O算法在解決應(yīng)用問題中出現(xiàn)陷入局部最優(yōu)問題。
　　(4)針對(duì)云計(jì)算環(huán)境下資源分配問題，提出目標(biāo)函數(shù)，將提出的改進(jìn)遺傳蟻群算法（HGAACO）應(yīng)用于資源分配問題上，具體羅列了算法的操作步驟和流程。算法的開發(fā)平臺(tái)是在Matlab下進(jìn)行的，通過設(shè)置算法參數(shù)將基于Metropolis接受準(zhǔn)則的改進(jìn)遺傳