基于蟻群算法的云計(jì)算資源調(diào)度分析

《基于蟻群算法的云計(jì)算資源調(diào)度分析》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、基于蟻群算法的云計(jì)算資源調(diào)度分析　　摘要當(dāng)前，云計(jì)算資源調(diào)度中常用的算法包括遺傳算法、蟻群算法、粒子群算法以及綜合優(yōu)化算法等。不同算法所關(guān)注的角度存在一定的差異，遺傳算法和粒子群算法主要從資源調(diào)度的效率方面進(jìn)行優(yōu)化，而蟻群算法則是從云計(jì)算資源調(diào)度的計(jì)算成本方面進(jìn)行考慮。論文討論了基于優(yōu)化蟻群算法的云計(jì)算資源調(diào)度，在兼顧任務(wù)效率的基礎(chǔ)上，能夠進(jìn)一步降低計(jì)算成本?！　　娟P(guān)鍵詞】云計(jì)算資源調(diào)度蟻群算法　　1云計(jì)算資源調(diào)度　　云計(jì)算資源調(diào)度主要是對(duì)某個(gè)時(shí)間點(diǎn)或者時(shí)間段內(nèi)如何向用戶進(jìn)行資源分配的決策過程。資源是根據(jù)單個(gè)或者多個(gè)優(yōu)化目標(biāo)進(jìn)行

2、分配的，其中，目標(biāo)包括了任務(wù)的效率、成本等方面的問題。云計(jì)算中的不同應(yīng)用程序所需要的資源不同，加上云計(jì)算本身的異構(gòu)性以及動(dòng)態(tài)性的特點(diǎn)，導(dǎo)致云計(jì)算資源調(diào)度問題成為了一個(gè)非常復(fù)雜的多目標(biāo)優(yōu)化問題。而作為良好的資源調(diào)度策略，不僅需要進(jìn)一步提高計(jì)算的效率，同時(shí)還應(yīng)該控制調(diào)度成本，實(shí)現(xiàn)對(duì)資源的最大化利用。另外，云計(jì)算資源管理還需要利用有限的物理資源，為更多的用戶提供多樣化的服務(wù)，同時(shí)滿足不同類型用戶在計(jì)算效率、成本等服務(wù)質(zhì)量方面的差異化要求。2基于蟻群算法的云計(jì)算資源調(diào)度　　蟻群算法是以中用于尋求最優(yōu)解決方案的機(jī)率型技術(shù)，其最早是由Mar

3、coDorigo于1992年在其博士論文中引入，主要借鑒了螞蟻在尋找食物過程中發(fā)現(xiàn)路徑的行為。螞蟻在路徑上前進(jìn)時(shí)能夠根據(jù)前面螞蟻所留下的分泌物選擇路徑，其選擇一條路徑的概率與該路徑上分泌物的強(qiáng)度成正比。因此，大量螞蟻構(gòu)成的群體行為實(shí)際上構(gòu)成了一種學(xué)習(xí)信息的反饋現(xiàn)象，即選擇某一條路徑的螞蟻越多，后面的螞蟻則繼續(xù)選擇該路徑的可能性更大。螞蟻個(gè)體之間通過這種信息尋求最短的目標(biāo)路徑。在云計(jì)算環(huán)境下，可以將資源調(diào)度問題看作一個(gè)多項(xiàng)式復(fù)雜程度的非確定性問題。從解決這類問題的角度來看，蟻群優(yōu)化算法很適合解決資源調(diào)度的問題，傳統(tǒng)的蟻群算法通常只

4、能在效率和成本兼顧一面，對(duì)此本文提出了一種新的優(yōu)化蟻群算法?！　?.1算法設(shè)計(jì)　　建立子任務(wù)與虛擬節(jié)點(diǎn)分配矩陣X，定義節(jié)點(diǎn)Xij，其中i（1，2，…，n），j（1，2，…，m）為節(jié)點(diǎn)集合，構(gòu)成了一個(gè)沒有方向的完全圖G（V，E）。通過優(yōu)化蟻群算法能夠獲取一個(gè)適用于資源調(diào)度方案使F得值達(dá)到最小?！　?.1.1初始化信息素　　在初始化算法的階段，為了確保螞蟻能夠很好地進(jìn)行路徑尋優(yōu)，需要?⑺?有路徑的信息素的初始值設(shè)置為最大，完成信息素的初始化?！　?.1.2路徑選擇　　在各個(gè)節(jié)點(diǎn)上都分布著若干只螞蟻進(jìn)行最優(yōu)解的搜索，則第k只螞蟻在t時(shí)

5、刻選擇節(jié)點(diǎn)Xij的概率為：　?。?）　?。?）　　τij（t）代表了t時(shí)刻，螞蟻在Xij節(jié)點(diǎn)位置所殘留的信息素；φij（t）代表了螞蟻的啟發(fā)信息。α和β非別表示殘留信息素和啟發(fā)信息的相對(duì)重要性。tabk（k=1，2，L，m）代表第k只螞蟻行走的禁忌表，即不會(huì)選擇的路徑，如果t時(shí)刻，第k只螞蟻選擇節(jié)點(diǎn)Xij，則就會(huì)被加入到禁忌表中?！　?.1.3信息素更新　　在每次循環(huán)之后都需要對(duì)該次循環(huán)中的最優(yōu)解或者局部最優(yōu)解的信息素進(jìn)行更新，從而確保找到全局最優(yōu)解能夠有更高的效率，按照下面的公式對(duì)信息素進(jìn)行更新：　?。?）　　（4）　　其中，

6、Fbest就表示了全局最優(yōu)解的值，通過對(duì)信息素的更新，能夠進(jìn)一步提高算法的效率，縮短計(jì)算所需要的時(shí)間。　　2.2算法流程　　根據(jù)上面的分析，確定了基于蟻群算法的云計(jì)算資源調(diào)度的具體流程：　　Step1：確定算法的適應(yīng)度函數(shù)；　　Step2：設(shè)置算法的各類指標(biāo)參數(shù)和算法結(jié)束條件，參數(shù)需要確保合理性，以保證算法效率；　　Step3：設(shè)定完成之后初始化算法的信息素，并將螞蟻在各個(gè)節(jié)點(diǎn)進(jìn)行隨機(jī)分布，進(jìn)行路徑搜索；　　Step4：每次完成一輪搜索之后，從其中選擇當(dāng)前的最優(yōu)解，然后更新信息素；　　Step5：繼續(xù)進(jìn)行搜索，如果滿足之前設(shè)置的

7、結(jié)束條件，則確定當(dāng)前獲取的最優(yōu)解為算法的全局最優(yōu)解，如果不滿足算法結(jié)束條件，則跳轉(zhuǎn)到Step4?！　?仿真分析　　為了對(duì)算法的可行性和有效性進(jìn)行驗(yàn)證，選擇CloudSim平臺(tái)對(duì)算法進(jìn)行仿真分析。在實(shí)際仿真過程中，將初始條件c，d設(shè)置為0.5，其余參數(shù)的值設(shè)置為1，在仿真中采用50個(gè)虛擬機(jī)節(jié)點(diǎn)，50個(gè)任務(wù)，每個(gè)任務(wù)被分割為范圍為[10，60]的子任務(wù)，螞蟻群的規(guī)模設(shè)置為50，實(shí)驗(yàn)循環(huán)次數(shù)為30次，實(shí)驗(yàn)終止的條件為達(dá)到最大迭代次數(shù)。在完全相同的實(shí)驗(yàn)條件下，采用本文所設(shè)計(jì)蟻群優(yōu)化算法和標(biāo)準(zhǔn)蟻群算法進(jìn)行對(duì)比?！　⊥ㄟ^對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行分析發(fā)

8、現(xiàn)，本文所設(shè)計(jì)的蟻群優(yōu)化算法能夠在總體完成時(shí)間較少的基礎(chǔ)上減低計(jì)算成本，而不是以犧牲計(jì)算成本來提高計(jì)算效率，或則以犧牲計(jì)算效率來降低計(jì)算成本。因此，本文所設(shè)計(jì)的蟻群優(yōu)化算法在云計(jì)算資源調(diào)度中能夠同時(shí)兼顧計(jì)算效率和計(jì)算成本，實(shí)現(xiàn)較好的資源調(diào)度效果。　　4結(jié)語　　由