基于自適應蟻群算法的云計算任務調度研究.pdf_第1頁
已閱讀1頁,還剩61頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、云計算是近年來興起的一種新的分布式計算。云計算通過網(wǎng)絡將包括計算、存儲、網(wǎng)絡帶寬等資源連接起來,形成一個超大規(guī)模,并且可以擴展的超級系統(tǒng),用來滿足某些超大規(guī)模問題處理的需求,或者提供資源給某些需要這些資源的用戶。云計算中,任務調度技術是最核心的技術之一,好的任務調度算法是云計算系統(tǒng)能夠合理、高效利用的前提。
  云計算環(huán)境是一種異構、動態(tài)的復雜環(huán)境,而蟻群算法的魯棒性、自適應性等恰好與云計算環(huán)境相匹配。蟻群算法是一種模擬螞蟻覓食的

2、智能算法,它在解決尋找最優(yōu)解方面的問題中以及得到了良好的應用。而云計算任務調度問題本質上講也是一種尋找最優(yōu)解的問題。本文在研究了云計算任務調度系統(tǒng)特點的基礎上,將蟻群算法應用到云計算任務調度系統(tǒng)中。本文首先針對基于蟻群算法的特點,對蟻群算法各參數(shù)對蟻群算法性能的影響進行了實驗研究;其次針對云計算任務調度系統(tǒng)的特點,對蟻群算法做出修改以適應云計算環(huán)境,提出了基于調度周期的蟻群算法PACO;最后針對PACO算法在參數(shù)選取、信息素設定等方面的

3、不足,將粒子群算法應用到蟻群算法參數(shù)選取中,提出了基于粒子群算法改進的自適應蟻群算法SAACO,并應用到云計算任務調度系統(tǒng)中。
  本文對PACO算法和SAACO算法進行仿真實驗,并與改進的Min-Min算法,即Min-Min+算法進行比較。實驗結果表明,PACO算法和SAACO算法在系統(tǒng)執(zhí)行時間和負載均衡方面比Min-Min+算法都有很大的提高。并且,算法參數(shù)進行自適應的SAACO算法比PACO算法系統(tǒng)執(zhí)行時間更短,負載更均衡。

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論