基于粒子群和帝国竞争混合算法的云计算任务调度策略研究

摘要

云计算使用虚拟化技术将各种计算、存储、网络宽带等实体资源整合成一个共享的云服务资源池，再通过任务调度算法为用户提交的任务分配资源。任务调度算法是云计算中最重要的技术之一，效率优良的任务调度算法能够保证云计算平台稳定高效地运行，可以缩短任务的完成时间，减少用户使用云服务的成本，并且能够保证云计算服务提供商的经济收益。云计算环境非常复杂，传统的调度算法已经无法满足云计算任务调度的需求。新兴的智能调度算法在一定程度上提升了任务调度的性能，但是还不够成熟和稳定，在收敛精度和稳定性等方面还存在缺陷。
　　本文的研究动机是通过分析云计算和任务调度算法的关键技术和特点，了解和掌握现有任务调度的模型和算法，然后设计出性能更加良好的调度算法来解决云计算任务调度面临的问题。主要工作如下:
　　(1)介绍云计算、云计算任务调度、云计算任务调度算法的基本理论之后，接着详细分析粒子群算法和帝国竞争算法的基本原理、数学模型，分析这两种算法的优缺点，并对这两种算法的发展和已有的改进进行总结。
　　(2)通过对比分析粒子群和帝国竞争算法的特点，针对帝国竞争算法中殖民地无自主学习能力、不能记录历史最优信息的缺点以及粒子群算法收敛过快的缺点，提出将粒子群和帝国竞争混合的算法，使具有生物启发性的粒子群算法和具有社会启发性的帝国竞争算法融合在一起，达到优势互补的效果;针对帝国算法中殖民地缺乏有效的控制机制调整移动距离和角度大小的缺点，融入粒子群算法的思想使殖民地具有粒子的特性之后，对惯性权重进行自适应调整。
　　(3)将粒子群和帝国竞争的混合算法应用于云计算任务调度，设计编码形式和适应度函数，然后在云计算仿真平台Cloudsim上进行实验，并将实验结果和改进前的算法进行分析对比。实验结果表明本文算法具有更加良好的性能。

目录

摘要

第1章 绪论

1．1 研究的背景和意义

1．2 国内外研究现状

1．3 本文的研究内容

1．4 论文的组织结构

第2章 云环境下任务调度概述

2．1 云计算概述

2．2 云计算任务调度

2．2．1 任务调度简介

2．2．2 任务调度的特点

2．2．3 任务调度的目标

2．2．4 任务调度的类型

2．3 云计算任务调度算法

2．3．1 传统任务调度算法

2．3．2 智能任务调度算法

2．4 本章小结

第3章 融合粒子群和帝国竞争的云计算任务调度算法

3．1 PSO算法和ICA算法概述

3．1．1 PSO算法

3．1．2 ICA算法

3．2 PSOICA算法

3．2．1 PSOICA算法思想

3．2．2 PSOICA算法的优化目标

3．2．3 PSOICA算法中惯性权重的调整

3．2．4 PSOICA算法的步骤和流程

3．2．5 PSOICA算法应用于云计算任务调度

3．2．6 PSOICA算法的伪代码

3．2．7 PSOICA算法的时间复杂度分析

3．3 本章小结

第4章 仿真实验和实验分析

4．1 CloudSim仿真器

4．1．1 CloudSim简介

4．1．2 CloudSim的核心类

4．2 在CloudSim中实现自定义云计算调度算法

4．2．1 CloudSim实验环境配置

4．2．2 CloudSim仿真流程和步骤

4．3 实验目的和结果分析

4．3．1 实验目的

4．3．2 实验参数设置

4．3．3 实验结果分析

4．4 本章小结

第5章 总结和展望

5．1 总结

5．2 展望

参考文献

致谢

声明