基于遺傳蟻群融合算法的云計算任務調度研究.pdf

1、云計算是一種全新的計算機網(wǎng)絡技術和服務模式，其高擴展性和易用性為人們的生活和科學研究提供了高效而又便捷的服務，如大數(shù)據(jù)和高性能計算等。云任務調度的基本原理是，先通過網(wǎng)絡將用戶提交的大量計算任務分割成多個比較小的子任務，再傳輸給由大量服務器組成的龐大計算中心，經(jīng)調度分配、分析計算后，將綜合結果反饋給用戶。但是云端的計算機在處理大量的數(shù)據(jù)時，因無法預先獲得任務的到達時間、在處理不同任務時不同機器的響應時間和效率的差異性、計算節(jié)點之間頻繁的通

2、信等因素，使得數(shù)據(jù)中心和高性能計算平臺的能源消耗變得越來越大，增加了服務商的運營成本。因此，設計一個高效節(jié)能的任務調度方法，能夠在高效的執(zhí)行云計算任務調度的同時，降低各計算節(jié)點所帶來的能源消耗，成為了一個待解決的重要問題。
　　本文在分析了云計算環(huán)境下任務調度算法和計算模型的基礎上，從兩個方面對已有的啟發(fā)式算法進行了改進和創(chuàng)新工作：針對遺傳算法前期求解迅速而后期收斂速度慢，以及蟻群算法前期求解速度速度慢、易陷于局部最優(yōu)的特點，提出

3、了動態(tài)融合遺傳蟻群算法的改進算法—D-GAACA；從云計算的節(jié)能目標出發(fā)，設計了一個將時間-能耗雙約束因子作為適應度函數(shù)的節(jié)能任務調度模型，該模型能同時從任務的總完成時間和計算節(jié)點能耗（計算能耗、通信能耗、傳輸能耗）兩個方面進行優(yōu)化。最后在云計算模擬和實驗環(huán)境Cloudsim3.0.3中，對本文改進的調度算法和模型進行編程實現(xiàn)。實驗先分析了算法的相關參數(shù)在云環(huán)境下的最優(yōu)組合，確保算法效率;然后將動態(tài)融合算法（D-GAACA）與蟻群優(yōu)化算