云计算环境中优化遗传算法资源调度策略.docVIP

云计算环境中优化遗传算法资源调度策略 　　【摘要】 资源调度是云计算的核心问题，传统的遗传算法虽然可以用于云计算环境中的资源调度，但是由于传统遗传算法存在收敛慢、易早熟等特点，所以这种算法并不适应于多聚类环境下的密集型任务调度。基于此，我们提出了云计算环境中优化遗传算法的资源调度策略以弥补传统遗传算法的不足。本文主要通过对云计算概念的介绍以及如何优化遗传算法的资源调度策略来展开讨论。 　　【关键词】 云计算环境概念 优化遗传算法 资源调度策略 　　近些年来，随着计算机技术的飞速发展，云计算计算模式应运而生。Web2.0技术以及系统虚拟化等技术的发展促进了云计算的不断完善。目前，云计算被广泛地应用于商业计算。它作为下一代并行与分布式计算，具有超大规模、抽象化、高可靠性、通用性等特点，受到国内各领域的广泛关注。接下来，我们就具体的介绍云计算环境中如何通过资源调度策略进行优化遗传算法。 　　一、云计算技术概述 　　随着计算机技术的发展以及计算模式的创新，云计算成为一种新的计算模式。云计算是一种将分布式计算、并行计算、网格计算、虚拟化计算以及Web服务等技术进行融合和结合新的计算机技术而形成的新的计算方式。它的优点更加突出，计算方式更加便捷，计算结果更加权威。随着现代技术的不断发展，云计算也逐渐应用到各个领域之中。 　　通过对云计算的整体评估和了解，我们将云计算分为两个方面。一方面是能够提供用来构造应用程序的基础设施，包括计算机方面的硬件设施和软件设施。这一方面使得云计算能够涵盖一般计算方式的特点，并突破了传统计算方式的束缚。另一方面是提供建立在基础设施上的云应用。通过建立在基础设施上的云应用，不仅可以增加基础设施本身的应用范围，而且能够扩大云应用的适用范围，将云应用应用到更多的领域之中。 　　我们除了根据云应用的功能将其非为两个方面之外，还根据它的使用者将其分为私有云和公共云。顾名思义，私有云是私人专有的云，需要用户自行购买硬件设备，然后自己通过所购买的设备进行维护整个系统，系统中的所有数据均是用户自己进行管理的，信息内容也是和用户密切相关的，用户对于系统的管理具有自主性。私有云的规模相对有限，在使用的过程中，由于只有简单的硬件基础设备，所以云计算的高性能性和高性价比的优势不能够充分的显示出来。而对于公共云来说，这些方面就是有云服务提供商所提供的，并不需要用户进行投资。公共云的使用中，用户不需要自行购买设备，也不需要自己进行系统的维护。他们只需要向云服务提供商支付一定的费用，就可以免费的使用云计算。整个公共云系统的设备维护和管理以及系统的升级的工作都是由云服务提供商负责，不需要用户进行管理。这就使得公共云在使用和维护中具有具有更大的灵活性和成本优势。 　　二、优化遗传算法的资源调度策略 　　接下来，我们根据Baidu的MaP/Reduce模型，对云计算环境下优化遗传算法的资源调度策略进行具体的介绍。首先，在传统的遗传算法中，我们所采用的是一种基于染色体编码方式和适应度函数改进的遗传算法去实现分布式大规模任务的资源调度。在这个过程中，我们通常是将任务总数作为染色体基因串的长度，而具体到每一个任务时，我们会将每一个任务所映射的资源ID作为染色体的基因值。但是这种做法会造成系统的超载，编码的基因串的长度远远地超过了基因池内的资源总数，所以在具体的计算时会造成算法进化速度慢，并且容易出现错误的情况，由于在基因池内无法找到相应的资源，所以有些基因串在具体的计算中可能会出现乱码和无法计算的情况，最终导致收敛到最优解的时间过长。 　　云计算模式的出现很好的解决了这一技术难题，它弥补了传统的遗传计算方式的缺陷，在技术上完善了传统遗传计算方式。在云计算环境中，我们改进了染色体的编码方式，通过将资源总数作为染色体的基因串长度、每个资源所映射的任务总数以及任务ID作为染色体的基因值来加快算法的收敛速度。这种编码方式所形成的基因串的总数小于系统资源池内的总数，所以在计算过程中可以达到最优的资源调度，从而达到提高计算速度和计算准确度的目的。这也是云计算环境中优化遗传算法的资源调度策略的方式之一，同时也是被各个领域所接受并广泛应用的原因之一。这种改进染色体编码的形式，很好的弥补了传统遗传计算的缺陷，不仅能够全面的提高收敛速度，而且还能够提高正确率以增加通过遗传计算来正确预测种群进化方向的目标。另外，由于云计算环境的动态异构的特性，所以我们在对适应度函数进行设计的时候，不仅要充分的考虑到资源节点动态的任务处理能力，还要充分的考虑到异构环境下任务的映射时间和结果的汇聚时间问题。只有充分的考虑到这两个方面，我们才能够在云计算环境中对遗传计算实现最有计算。与此同时，在算法的初始阶段和接近收敛的阶段，还要对适应度函数作出调整，确保通过最优的遗传计算来预测种群的正确进化