基于蜂群与遗传混合算法的多目标云工作流任务调度机制研究

摘要

随着越来越多的科学工作流应用开始部署在IaaS云环境中，如何有效地在不同类型的虚拟机实例中调度工作流任务已成为当前的一个研究热点。云环境下的工作流调度问题是一个众所周知的NP-hard问题。鉴于此，本文设计与实现了一种基于蜂群和遗传混合算法的多目标工作流任务调度机制，以便最小化工作流的总完工时间和总执行成本。具体来说，主要的研究内容如下： 1、构建了IaaS环境下工作流调度问题的多目标数学优化模型，综合考虑IaaS平台中虚拟机实例的异构性和可获得性，同时优化工作流的完成时间和成本。 2、设计与实现了一个基于遗传算法和蜂群算法的混合算法来求解所构建的多目标优化问题。该混合算法结合了蜂群与遗传算法的优点，加快了种群的进化速度，从而提高了算法的收敛速度和精度。 3、通过仿真实验来评估所提出的HGAABC算法的性能。实验结果表明，与其它先进的算法相比，本文提出的HGAABC算法可以获得更好的折衷解，有效地降低工作流的完成时间和成本。

目录

声明

第一章 绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.3 论文研究内容

1.4 论文的组织结构

第二章 相关工作

2.1 云计算相关技术介绍

2.2 蜂群算法介绍

2.3 遗传算法介绍

2.4 蜂群与遗传混合算法可行性分析

2.5 多目标优化的背景

2.6 本章小结

第三章 工作流任务分配机制的设计与实现

3.1 问题描述

3.2 工作流的任务分配多目标优化模型描述

3.3 任务分配问题的多目标蜂群遗传混合算法

3.4 本章小结

第四章 实验验证及分析

4.1 实验环境介绍

4.2 实验参数设定及对比算法设置

4.3 实验性能评估指标介绍

4.4 实验结果分析

4.5 本章小结

第五章 总结与展望

5.1 总结

5.2 展望

参考文献

致谢