基于自适应蚁群算法的云计算任务调度研究软件工程专业论文.docxVIP

优秀毕业论文 精品参考文献资料 硕士学位论文基于自适应蚁群算法的云计算任务调度研究 硕士学位论文 基于自适应蚁群算法的云计算任务调度研究 The Research on Task Scheduling in Cloud Computing Based on Self Adaptive Ant Colony optimization Algorithm 学 号： 21217Q34 大连理工大学 DaliaIl UIliVers时of Tecllllology 万方数据 大连理工大学学位论文独创性声明作者郑重声明：所呈交的学位论文，是本人在导师的指导下进行研究 大连理工大学学位论文独创性声明 作者郑重声明：所呈交的学位论文，是本人在导师的指导下进行研究 工作所取得的成果。尽我所知，除文中已经注明引用内容和致谢的地方外， 本论文不包含其他个人或集体已经发表的研究成果，也不包含其他已申请 学位或其他用途使用过的成果。与我一同工作的同志对本研究所做的贡献 均已在论文中做了明确的说明并表示了谢意。 若有不实之处，本人愿意承担相关法律责任。 学位论文题目： 作者签名： 万方数据 大连理工大学硕士学位论文摘 大连理工大学硕士学位论文 摘 要 云计算是近年来兴起的一种新的分布式计算。云计算通过网络将包括计算、存储、 网络带宽等资源连接起来，形成一个超大规模，并且可以扩展的超级系统，用来满足某 些超大规模问题处理的需求，或者提供资源给某些需要这些资源的用户。云计算中，任 务调度技术是最核心的技术之一，好的任务调度算法是云计算系统能够合理、高效利用 的前提。 云计算环境是一种异构、动态的复杂环境，而蚁群算法的鲁棒性、自适应性等恰好 与云计算环境相匹配。蚁群算法是一种模拟蚂蚁觅食的智能算法，它在解决寻找最优解 方面的问题中以及得到了良好的应用。而云计算任务调度问题本质上讲也是一种寻找最 优解的问题。本文在研究了云计算任务调度系统特点的基础上，将蚁群算法应用到云计 算任务调度系统中。本文首先针对基于蚁群算法的特点，对蚁群算法各参数对蚁群算法 性能的影响进行了实验研究；其次针对云计算任务调度系统的特点，对蚁群算法做出修 改以适应云计算环境，提出了基于调度周期的蚁群算法PACO：最后针对PACO算法在 参数选取、信息素设定等方面的不足，将粒子群算法应用到蚁群算法参数选取中，提出 了基于粒子群算法改进的自适应蚁群算法SAAC0，并应用到云计算任务调度系统中。 本文对PACO算法和SAAC0算法进行仿真实验，并与改进的Mill．Mill算法，即 Min．MiIl+算法进行比较。实验结果表明，PACO算法和SAACO算法在系统执行时间和 负载均衡方面比Min-Min+算法都有很大的提高。并且，算法参数进行自适应的SAACO 算法比PACO算法系统执行时间更短，负载更均衡。 关键词：云计算；任务调度；蚁群算法；自适应 万方数据 基于自适应蚁群算法的云计算任务调度研究The 基于自适应蚁群算法的云计算任务调度研究 The R℃search on Task Scheduling in Cloud Computing Based on Self AdaptiVe Ant Colony Optimization Algorithm Abstract Cloud computing is a new distributed computing model．Cloud computing make dif．ferent咖es of resources coIulect togemer t11rough Intemet to solve some 1arge·sca】e probleIIls，or proVide me resourCes to me users Who need t11e resources，mcludmg computing resource，storage resource，ne似ork resource，aIld so on．For cloud computiIlg，t11e task schedlll洒g tecllIlology is one of me core tecllllologies．An ef!ficient task schedulmg algorimm c锄mal(e也e cloud system more ef：ficient． The cloud enV衲mnent is a heterogeneous，dynaIllic a11d complex eIⅣiromnent，aIld t11e characteristic of AC0(Ant Colony Opt疏ization)algo甜吼，such aS robusmess