資源描述：
《云計(jì)算中基于cloudsim的改進(jìn)粒子群調(diào)度算法研究》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(kù)。
1、分類號(hào)：TP391.1密級(jí)：公開UDC：004學(xué)號(hào)：406130913123南昌大學(xué)碩士研究生學(xué)位論文云計(jì)算中基于CloudSim的改進(jìn)粒子群調(diào)度算法研究ResearchonImprovedParticleSwarmOptimizationAlgorithmbasedonCloudSiminCloudComputing姜巖培養(yǎng)單位（院、系）：信息工程學(xué)院指導(dǎo)教師姓名、職稱：謝軍副教授申請(qǐng)學(xué)位的學(xué)科門類：工學(xué)學(xué)科專業(yè)名稱：計(jì)算機(jī)科學(xué)與技術(shù)論文答辯日期：2016年5月21日答辯委員會(huì)主席：評(píng)閱人：2016年月日
2、摘要摘要云計(jì)算是分布式計(jì)算、并行計(jì)算、網(wǎng)格計(jì)算、虛擬化、負(fù)載均衡、網(wǎng)絡(luò)存儲(chǔ)等傳統(tǒng)計(jì)算機(jī)技術(shù)和網(wǎng)絡(luò)技術(shù)融合的產(chǎn)物，是基于網(wǎng)絡(luò)的新興技術(shù)。云計(jì)算的資源池由大量性能不同的資源節(jié)點(diǎn)構(gòu)成，隨著用戶需求的不斷增長(zhǎng)，如何將大規(guī)模任務(wù)分配到有限的資源節(jié)點(diǎn)，提升用戶滿意度，實(shí)現(xiàn)負(fù)載均衡，是云計(jì)算需要研究的重要問題。高效的任務(wù)調(diào)度，是有效發(fā)揮云計(jì)算潛力的重要步驟。在云計(jì)算中，一些任務(wù)需要被分配到不同的虛擬機(jī)上，以提高系統(tǒng)利用率和最小化完工時(shí)間。任務(wù)調(diào)度問題是NP完全問題，因此找到一個(gè)確切的解決方案是棘手的，特別是對(duì)于大規(guī)模的任
3、務(wù)。為此本文提出了一種基于適應(yīng)度的動(dòng)態(tài)更新慣性權(quán)重的粒子群優(yōu)化算法，并對(duì)粒子群算法中的粒子進(jìn)行重新編碼，使其離散化，將改進(jìn)后的算法運(yùn)用到云計(jì)算任務(wù)調(diào)度問題當(dāng)中。本文隨后還詳細(xì)介紹了云仿真工具CloudSim，并配置了實(shí)驗(yàn)環(huán)境。在仿真平臺(tái)上，對(duì)離散粒子群算法（DiscreteParticleSwarmOptimization，DPSO）以及改進(jìn)的DPSO進(jìn)行了仿真實(shí)驗(yàn)。通過與DPSO算法、貪心策略、順序調(diào)度法對(duì)比仿真結(jié)果表明，在云計(jì)算任務(wù)調(diào)度問題中，少量的任務(wù)調(diào)度，本文的改進(jìn)算法并不優(yōu)于其他分配算法，逐步增加
4、任務(wù)量后，發(fā)現(xiàn)規(guī)模越大，DPSO收斂速度越快，相比其他調(diào)度算法的優(yōu)勢(shì)越明顯。對(duì)其仿真，表明算法用于任務(wù)調(diào)度問題是可行且有效的，尤其是對(duì)于海量任務(wù)。關(guān)鍵詞：云計(jì)算；任務(wù)調(diào)度；粒子群算法；慣性權(quán)重；CloudSimIAbstractABSTRACTCloudcomputingisdistributedcomputing,parallelcomputing,gridcomputing,virtualization(Virtualization),loadbalancing,networkstorageandoth
5、ertraditionalcomputerandnetworktechnologyintegrationproducts,itisbasedonnewtechnologynetworks.Cloudcomputingresourcepoolperformancebyanumberofdifferentresourcenodes,withthegrowinguserdemand,howtoassigntaskstothelimitedscaleofresourcenodes,enhancecustomersa
6、tisfaction,achieveloadbalancing,cloudcomputingisanimportantneedtostudyproblem.Efficienttaskschedulingisaneffectivesteptoplayanimportantcloudcomputingpotential.Incloudcomputing,someofthetasksthatneedtobeassignedtodifferentvirtualmachinestoimprovesystemutili
7、zationandminimizecompletiontime.TaskschedulingproblemisNP-completeproblem,sotofindadefinitivesolutionistricky,especiallyforlarge-scaletask.Sothispaperproposesadynamicupdateinertiaweightparticleswarmoptimizationalgorithmbasedonfitness,andparticleswarmpartic
8、lere-codedtodiscrete,theimprovedalgorithmisappliedtocloudcomputingtaskschedulingproblemamong.ThisarticlealsodetailsthesubsequentcloudsimulationtoolCloudSim,andconfigurethetestenvironment.Onthesimulationplatfo
