基于模拟退火算法云计算资源调度模型.docVIP

基于模拟退火算法云计算资源调度模型 　　摘要摘要：针对云计算平台的特征，提出基于模拟退火算法建立云计算资源调度模型。模拟退火算法在保证用户公平性的前提下，以缩短总任务的完成时间及提高用户满意度为目标。通过仿真实验，在相同硬件环境下对比分析模拟退火算法与传统遗传算法的资源调度性能。结果表明，模拟退火算法在收敛速度和用户满意度方面均优于传统遗传算法，更加适应云计算环境。 　　关键词关键词：云计算；模拟退火算法；资源调度模型；算法仿真 　　DOIDOI：10.11907/rjdk.143838 　　中图分类号：TP311.5 　　文献标识码：A文章编号文章编号2015）002006803 　　基金项目基金项目： 　　作者简介作者简介：袁晓林（1987-），男，山西长治人，江苏大学计算机科学与通信工程学院硕士研究生，研究方向为软件工程。 　　0引言 　　云计算是近年来信息科学领域的研究热点，集成了网格计算、并行处理等多种技术，通过网络将各种资源打包成服务，为各类用户提供多种可用资源和服务，这样要求云计算资源分配方式能够满足不同用户的需求，使用户能够获得良好的服务质量，因此设计性能优异、科学合理的云计算资源调度算法至关重要＼[2＼]。 　　已有许多学者对云计算资源调度问题进行了相应研 　　究。张雨等＼[3＼]提出了一种融合遗传算法与蚁群算法的混合调度算法，认为其能有效完成云计算任务调度；卓涛等＼[4＼]利用基于改进人工蜂群算法的云计算资源调度模型，改善了传统资源调度算法存在的缺陷，提高了云计算资源利用率，并且大幅度减少了任务的完成时间；封良良等＼[5＼]利用于改进粒子群的任务调度算法，采用间接编码方式对每个子任务占用的资源进行编码，给出解码方式，定义了考虑时间和成本的适应度函数，确立了粒子位置和速度的更新方法，认为在相同的条件设置下，该算法的总任务完成时间和总任务完成成本小于传统粒子群优化算法。然而，这些调度算法均存在各自的不足，如在不同云计算环境下算法性能差异性大、易陷入局部最优，或者在搜索效率上有待提高。 　　模拟退火算法（Simulated Annealing， SA） 最早由N?Metropolis等人于1953年提出，1983 年，S?Kirkpatrick等尝试将退火思想运用于组合优化算法设计，如今模拟退火算法已成功应用于组合优化、生产调度、控制工程等领域。模拟退火算法是一种允许在一定限度内接受非最优解，从而有效避免陷入局部最优解的优化算法＼[6＼]。本文将基于带记忆功能的模拟退火算法，构建云计算资源调度模型，以期获得较高的作业调度效率。 　　1云计算任务调度模型 　　1.1任务调度模型 　　云计算系统在保证资源得到最大利用的同时，尽可能为用户提供高质量服务，但云计算系统资源有限，经常出现资源竞争现象，只能采用资源调度算法将任务合理进行分配，从而防止出现一个资源被多个任务争抢的现象。云计算平台任务调度模型结构如图1所示。 　　图1云计算平台任务调度模型结构 　　1.2任务调度算法评价指标 　　云计算的单个用户任务可用十元数组表示，如式（1）： 　　T={ID，PE，L，Input，ET，EBW，EF，EP，J}（1） 　　式（1）中，J为该任务的用户完成离散度。J直接决定云计算平台完成执行该任务后用户的满意度。当J0时，该用户对任务需求的实际获取值要大于期待值；反之，当J0时，该用户对任务需求的实际获取值要小于期待值。|J|越小，表明云计算系统为用户提供可以接受的服务的同时，所调用的资源越少，即表明采用的云计算任务调度算法越优化。 　　2模拟退火算法 　　2.1模拟退火算法基本原理 　　模拟退火算法源于对固体退火过程的模拟，先将固体加温，在熔融温度下，固体粒子能量的非均匀性被破坏，并会达到新的平衡，系统能量增大；然后让其徐徐降温，让系统在每一温度下都达到平衡值，系统能量也逐渐降低；当温度达到结晶温度后，固体结晶，系统能量达到最小值。 　　2.2算法执行 　　设组合优化问题的一个解i及其目标函数f（i）分别与固体的一个微观状态i及其能量E（i）等价。令随算法进程递减的控制参数t担当固体退火过程中温度T的角色，温度由一个冷却进度表控制。 　　在某控制参数T（称为温度）下，当前解为i，对应的目标函数为E（i），在邻域产生新解j，对应的目标函数为E（j），模拟退火算法接受新解j的准则称为Metropolis准则，可描述如下：若E（j）E（i），则以j取代i作为当前解； 　　若E（j）E（i），如果e（E（i）-E（j））/Trand（0，1），则也以j取代i作为当前解； 　　其它条件下，以i作为当前解。 　　其中，rand（0，1）为0～1之间均匀分布的