基于动态遗传算法的云计算任务节能调度策略研究.docVIP

基于动态遗传算法的云计算任务节能调度策略研究 　　摘 要：云计算的飞速发展造成了许多大型数据中心的建立，海量的数据中心会消耗巨大的电力能源，导致操作成本以及二氧化碳排放量的升高。为了解决这一问题，本文提出了一种基于遗传算法的新型多目标动态调度算法，将任务的执行时间及数据中心的能耗作为优化目标，充分考虑云环境的动态性，根据任务长度以及资源计算能力将任务分配给资源。本文将该算法与一些著名的云调度模型进行对比，实验结果证明，本文提出的多目标动态遗传算法可以有效利用于云环境，并在减少任务执行时间和能耗方面具有一定优势。 　　关键字：云计算；任务调度；节能；遗传算法 　　中图分类号：TP391.41 文献标识号：A 文章编码：2095-2163（2015）03- 　　Energy-efficient Cloud Task Scheduling Research based on Dynamic Genetic Algorithm 　　ZHONG Xiaorou， ZHAI Jianhong 　　（School of Computer Science and Technology， Harbin Institute of Technology， Harbin 150001， China） 　　Abstract： The rapid development of cloud computing has led to the establishment of large-scale data centers. Such data centers consume enormous amounts of electric energy results in high operating cost and carbon dioxide emissions. With the aid of traditional genetic algorithm， the paper presents a new multi-objective dynamic scheduling algorithm， which considers cloud environment dynamics and reduces total execution time and power consumption. The new algorithm assigns the jobs to the resources according to the job length and resources capacities. After that， the paper evaluates this algorithm with some famous cloud scheduling algorithm， and the experiments show the efficiency of the proposed approach in terms of execution time， power consumption in cloud environment. 　　Key words： Cloud Computing Scheduling； Energy-efficient； Genetic Algorithm 　　0 引 言 　　云计算是分布式计算、网格计算、效用计算和自主计算发展融合的技术研究成果[1]。在云计算中，用户不必感知服务处于基础设施的哪一部分，只需通过云基础设施范式来使用服务并支付相关服务的费用。云基础设施即根据“按需付费”的原则向用户提供共享的资源及服务。 　　调度算法主要用来减少任务的执行时间以及执行消耗[2]。具体来说，算法中的调度旨在处理如何将资源合理分配给任务的问题。一个好的调度算法应该考虑到系统的负载平衡以及可用资源的总执行时间。调度器则应根据任务长度以及资源计算能力来为任务分配资源[3]。 　　近年来，在云任务调度领域，一些智能方法的使用引起了多方的高度关注。其中，遗传 　　算法就是一个著名的人工智能方法。传统的遗传算法模拟生物进化的过程，由一系列染色体组成的种群开始，通过选择、交叉、变异操作，逐步选择适应度高的个体以求得最优解[4]。基于此，本文充分考虑任务的动态特点[5]，并设定多个优化目标，提出了一种新型的多目标动态遗传算法调度策略， 同时运用了CloudSim-3.0仿真工具，切通过与CloudSim自带调度算法的对照比较，验证了本文所提出的算法在动态环境中的有效性。 　　1 模型建立 　　1.1 任务期望完成时间模型 　　通过分析CloudSim自带的样例程序可得，CloudSim默认一个任务所需的