云计算环境下基于蚁群优化算法的资源调度策略

云计算是当前国内外企业与研究机构研究的重点,是下一代网络应用的新兴与主流技术。资源调度作为云计算中的关键问题,研究怎样将用户提交的任务合理地分配给各个计算节点同时能够兼顾计算结节的动态扩展性。本文提出运用蚁群优化算法进行资源调度,综合考虑任务完成时间和计算成本优化问题,建立数学模型,是一种有效的资源调度算法。     

基于进阶粒子群优化算法的云计算资源调度策略研究

云计算是一种商业计算模型,云厂商一般都有自己的资源分配和任务调度模式,但并没有统一的标准和规范。分析云计算系统资源调度,提出一种基于进阶的粒子群算法,采取集群动态协作产生优质粒子及对粒子逆向作用平衡局部资源的策略,以达到全局及局部搜索双向资源最优。经云仿真平台测试表明,应用该算法的调度策略可行且高效。     

云计算环境中优化混合遗传算法的资源调度研究

将云计算传统的遗传算法应用到任务调度中,存在迭代次数多、资源利用率低、执行时间长等问题。因此,提出贪心算法来初始化种群,以避免随机初始化种群时基因的低表现性,并且引进精英因子到传统遗传算法中以优化收敛速度。设计出双适应度函数,兼顾考虑用户对执行时间和带宽的要求,通过采用可适应交叉和变异方法,提升算法的全局收敛能力。仿真实验结果表明,在云计算的任务调度中使用优化混合遗传算法能更加有效地解决资源调度问题。     

用模拟退火算法解决生产调度问题

介绍了Metropolis准则，给出了模拟退火算法解决生产调度问题的基本方法和步骤，并对算法的有效性进行了验证．     

基于SLA的云计算资源智能调度实验设计

为了更好地提高云计算资源的利用率,设计了基于服务等级协议(ServiceLevel Agreement,SLA)的云计算资源智能调度实验,从分配成本、迁移成本和违约成本三方面构造了云计算资源智能调度的成本函数,并将蝙蝠算法应用到云计算资源智能调度过程中,进行资源智能调度寻优,达到资源调度代价最小的目的。最后通过CloudSim云平台进行模拟仿真,结果表明该实验方法明显优于传统的粒子群调度算法,在执行成本、资源利用率方面都有很大改进,提高了云计算系统的资源调度能力,是一种有效的调度方法。     

基于虚拟机迁移的云计算资源动态调度策略

随着各大数据中心的建立,数据中心达到成千上万台服务器的规模。计算节点之间存在差异性,传统调度算法很难满足计算中心资源调度,主机之间难免出现负载不均衡,直接影响了云平台提供服务的能力,造成资源浪费。根据数据中心的实际情况,基于现有环境下各种主流资源调度策略,针对资源分配与主机运行时动态调度两方面提出完整的资源调度策略方案,提高数据中心计算能力,避免不必要的资源浪费,显著改善数据中心服务质量,实现各种资源负载均衡。     

云计算环境下多媒体资源的权衡调度方法

在云计算环境下对多媒体资源进行优化权衡调度,以提高对多媒体资源的分布式访问和计算能力。传统方法采用网格调度法,随着资源分布网格的增多,导致多媒体资源的分配效果不好。提出一种基于自适应层阶调度的云计算环境下多媒体资源的权衡调度算法。首先构建了云计算环境下的多媒体资源分布结构模型,采用多路复用的网格计算方法实现对云计算数据的融合和特征提取,通过自适应层阶调度实现云计算环境下多媒体资源的权衡调度。仿真结果表明,利用该算法进行云计算环境下多媒体资源的权衡调度,可降低数据丢包率、提高调度准确性、改善云计算性能。     

基于模拟退火的微粒群算法

微粒群算法具有较强的全局搜索能力,但容易陷入局部最小点,与模拟退火算法相结合,利用退火算法搜索过程中具有的概率突跳能力,能够有效地避免搜索过程陷入局部极小解。仿真结果表明。改进的算法能够有更好的优化效果。     

基于最大匹配算法的列车调度模型

在铁路大提速的背景下,对重要的铁路干线京沪线给出了基于最大匹配算法的列车调度方案.从列车运行时的空闲时间表出发,建立一组不等式模型,求解出现行列车时刻表对于货车的空闲时间,进而计算出货车通行量的理论最大值.为了求得在此时的货车运行时刻表的一个可行解,设计了空闲时间表的最大匹配算法.此算法实现了一个造表过程,采用迭代搜索的方法从货车通行量的瓶颈区间出发,依次求出各个货车可行的时刻序列,直到表被填满,即可得到一个可行的货车时刻表.     

基于语义网格环境的资源共享模型与分布式资源调度算法研究

为解决多资源文件共享和语义网格环境下异构资源共享管理问题,提出了一种新的分布式调度算法。该算法采用语义网格的分布式技术,充分利用资源共享模型实现高效的资源调度。仿真实验表明,该算法具有较好的执行效率。与其它算法相比,在相同任务数量时响应更快。     

云计算环境下的一种并行任务调度负载均衡算法

云计算是在其虚拟化技术之下提供动态可扩展性资源,通过互联网提供服务的一种并行计算技术。本文提出了一种基于云计算环境下的一种并行任务调度负载均衡算法(Parallel Task Scheduling Balancing Algorithm)。实验结果表明,该算法在负载相对均衡的前提下,在响应时间和执行时间方面有较好的表现,能有效地满足用户需求的服务水平。     

基于模拟退火遗传算法的公交区域调度研究

采用模拟退火算法和遗传算法相融合,建立公交区域调度中行车计划生成的模型,创建目标函数,将模拟退火算法应用于遗传算法的交叉、变异过程中,对模型进行求解,并用实际的运营数据对模型进行了验证,结果表明,此方法是可行且有效的。     

基于MPI的模拟退火算法的实现

根据模拟退化算法具有并行性的特点,设计并实现了并行的模拟退火算法,同时以给出不同的初始温度,进行结果的模拟,体现出模拟退火算法的一个特征：初温越大,计算所花费的时间越大。     

Eucalyptus中基于能量消耗的调度算法研究

能量消耗是云计算研究中一个十分重要的问题,介绍了开源云项目Eucalyptus,分析了其核心调度算法及在考虑能量消耗的应用场景中存在的问题,利用虚拟机在线迁移技术提出了基于能量消耗的调度算法。实验证明,基于能量消耗的调度算法性能优于Eucalyptus现有的核心调度算法。最后总结了需要进一步提高的方面。     

改进遗传算法在云计算资源优化调度中的应用

在大量用户请求云计算资源服务时,如何合理组织资源和任务调度是云计算的关键技术之一。如果分配调度方法不合理,就可能产生用户需求得不到满足和资源使用不均衡等问题。在传统遗传算法基础上,将模拟退火算法与遗传算法相融合,扩大遗传算法的搜索领域,解决遗传算法早熟收敛现象,使云资源分配更加合理,以提高云资源利用率。在CloudSim平台上进行仿真,结果表明该方式能较好地对云计算资源进行分配,在能耗、带宽等约束条件下达到云资源最优调度的目的。     

基于RBF-DE的改进蚁群算法和多QoS约束的云资源调度策略研究

云计算属于分布式计算,资源调度是其核心问题。QoS(Quality of Service)一直是衡量分布式计算的一个标准。建立多QoS目标约束的云资源调度模型,同时引进高斯核函数以及差分进化法对蚁群算法进行改进,并运用改进后的算法对模型求解;最后,通过Cloudsim模拟系统模拟,结果显示运用该策略进行资源调度时,平均完成时间和成本都比较小。     

模拟退火算法

本文介绍了Metropolis准则,给出模拟退火算法的算法步骤以及收敛性定理．最后,给出了模拟退火算法运用的数值例子．     

基于目标函数梯度的模拟退火蚁群算法

根据蚁群算法和模拟退火算法的特点,提出了一种基于目标函数梯度的模拟退火蚁群混合算法。该算法充分考虑了目标函数的梯度,当目标函数的梯度过小时,加强当前最优解对应的信息素,使算法快速收敛;当目标函数的梯度过大时,引入回火策略以提高解的质量。将基于目标函数梯度的模拟退火蚁群混合算法用于旅行商问题,结果表明,与常规模拟退火蚁群算法相比,改进算法的收敛速度和解的质量均有一定程度的改善。     

用模拟退火算法求解TSP

货郎担问题,即TSP（Traveling Salesman Problem）,是一个组合优化问题。具有NPC计算复杂性。本文分析了模拟退火算法模型,研究了用模拟退火算法求解TSP算法的可行性,并给出了用模拟退火算法求解TSP问题的具体实现方法。     

基于云计算的数字资源系统设计

为有效共享与利用数字教学资源,借助虚拟云技术设计了教学单位数字化资源整合系统,并给出了配置方法,在有限的硬件资源基础上扩大了数字教学资源的内涵与外延,使数字资源的利用率最大化.经实际应用测试,系统展现了良好的实用性与可操作性,对教育教学有较大的促进作用.