学位论文 > 优秀研究生学位论文题录展示
基于蚁群算法的云计算资源负载均衡调度算法研究
作 者: 李锋华
导 师: 孔兵
学 校: 云南大学
专 业: 计算机系统结构
关键词: 云计算 资源调度 负载均衡 蚁群算法
分类号: TP18
类 型: 硕士论文
年 份: 2013年
下 载: 60次
引 用: 0次
阅 读: 论文下载
内容摘要
云计算(Cloud Computing)作为一种新型的商业模式和计算模式,它在改变传统的网络服务模式的同时,也改变了人们使用计算机网络和应用计算机的方式。云计算通过对存储资源、计算资源以及软件服务的整合,以更具针对性,更廉价高速的方式提供给用户使用,实现资源管理和使用的分离。但由于云计算环境下计算中心本身的大规模性,以及计算资源之间可能存在的异构性,使得云计算很容易出现负载不均的现象,严重影响云计算系统的整体性能和用户体验。蚁群算法(Ant Colony Algorithm)作为一种新型的求解复杂优化问题的模拟进化算法,它是由意大利学者M.Dorigo等人受到自然界中真实蚁群集体行为协作模式的启发而首先提出来的。它具有正反馈、鲁棒性、分布式计算、收敛速度快以及结构性贪婪启发等特点,使其能够成功地应用于许多NP-完全的组合优化问题。云计算中资源、任务的调度对云计算的整体性能和运营有重要影响。为解决云计算中执行大规模并行任务时容易出现节点负载不均,进而导致整个云计算系统性能下降和效率低下的问题,本文在对云计算的资源调度和蚁群算法分析的基础上,对蚁群算法如何在云计算中实现负载均衡进行研究。本文首先对云计算资源调度的特点进行了分析,了解该问题的难点和目标,并分析实现负载均衡的重要性和价值,比较了目前主要的算法各自的优点和不足之处。然后介绍了蚁群算法及其特点,以及最新的一些研究进展,分析了蚁群算法的机制和性能特点。结合云计算资源调度负载均衡问题的难点和蚁群算法的特点,设计了基于蚁群算法的云计算资源调度负载均衡算法。算法以快速调度和负载均衡为目标,设计负载模型和蚁群信息素模型,以及二者之间的映射关系,蚁群基于信息素的调度策略和负载转移策略。最后,设计实验验证该算法的负载均衡度和时间复杂度。
|
全文目录
摘要 3-4 Abstract 4-7 第一章 概述 7-11 1.1 研究背景 7 1.2 研究现状 7-9 1.3 本文的主要研究内容和意义 9 1.4 本文的组织结构 9-11 第二章 云计算与负载均衡 11-22 2.1 云计算 11-12 2.2 负载均衡 12-17 2.2.1 负载均衡概述 12 2.2.2 负载均衡算法分类 12-14 2.2.3 基本均衡算法介绍 14 2.2.4 常用智能均衡算法介绍 14-17 2.3 云计算的负载均衡 17-22 2.3.1 云计算调度模型和框架 17-20 2.3.2 目前典型云计算平台的调度策略 20-22 第三章 蚁群算法 22-31 3.1 概述 22-23 3.2 基本原理 23-25 3.3 算法主要组成部分 25-30 3.3.1 信息素模型 25-26 3.3.2 解的构造过程 26 3.3.3 解的局部搜索 26 3.3.4 信息素的更新 26-27 3.3.5 算法框架 27-30 3.4 算法的特点 30-31 第四章 云平台下的蚁群算法调度 31-40 4.1 概述 31 4.2 算法的调度模型 31-33 4.2.1 云计算的三层调度模型 31-32 4.2.2 元任务 32-33 4.3 负载模型 33-35 4.3.1 虚拟机(VM)负载模型 33-34 4.3.2 物理机(PM)的20-80负载评估模型 34 4.3.3 进程迁移和虚拟机迁移 34-35 4.4 算法组成和算法基本思想 35 4.5 蚁群算法信息素的设置和更新策略 35-36 4.6 云计算下的蚁群均衡算法 36-40 4.6.1 算法的调度过程 36-38 4.6.2 算法伪码 38-40 第五章 算法性能评估 40-45 5.1 算法评估指标 40-41 5.2 对照算法 41 5.3 实验结果分析 41-45 第六章 总结和展望 45-46 6.1 总结 45 6.2 展望 45-46 参考文献 46-49 致谢 49-50 附录 50-55
|
相似论文
- 多导弹协同作战突防效能评估及组合优化算法研究,TJ760.1
- 基于蚁群算法的电梯群优化控制研究,TU857
- 动态环境下移动对象导航系统相关技术的研究,TP301.6
- 基于改进蚁群算法的机器人路径规划研究,TP242
- 云计算平台下的动态信任模型的研究,TP309
- 改进的蚁群算法及其在TSP上的应用研究,TP301.6
- 随机路由在无线传感器网络中的研究与应用,TN929.5
- 基于免疫机制蚁群算法的电力系统无功优化研究,TP18
- 基于视觉反馈与行为记忆的GPU并行蚁群算法,TP301.6
- 高校教务管理网上选课系统优化研究,TP393.09
- 基于遗传算法的矿山资源优化调度模型的研究,O224
- 基于Web日志的用户挖掘研究与实现,TP311.13
- 基于Eucalyptus的教育知识服务模型设计与实现,TP393.09
- 云网络实验平台研究与实现,TP393.09
- 基于蚁群和人工鱼群混合群智能算法在物流配送路径优化问题中的应用研究,F253.9
- 基于云计算的数字图书馆服务模式研究,G250.76
- 基于神经网络模型预测Ad Hoc网络流量的负载均衡路由协议,TN929.5
- 空间冗余自组织网络路由协议的研究与仿真,TN929.5
- 群体智能优化算法的研究及应用,TP301.6
- 基于自然计算的WSN路由技术研究,TN929.5
- 面向云计算的动态模糊测度方法研究,TP274
中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化基础理论 > 人工智能理论
© 2012 www.xueweilunwen.com
|