基于蚁群算法的云计算资源调度分析

当前,云计算资源调度中常用的算法包括遗传算法、蚁群算法、粒子群算法以及综合优化算法等。不同算法所关注的角度存在一定的差异,遗传算法和粒子群算法主要从资源调度的效率方面进行优化,而蚁群算法则是从云计算资源调度的计算成本方面进行考虑。论文讨论了基于优化蚁群算法的云计算资源调度,在兼顾任务效率的基础上,能够进一步降低计算成本。     

Hadoop集群作业调度算法优化技术研究

针对当前云计算技术的广泛使用,提出对Hadoop集群作业调度算法进行研究的构想。在对Hadoop新版本中提出的Hadoop Map Reduce V2(Yarn)框架进行深入研究的基础上,设计一个详细完整的对比实验,针对各种作业调度算法的优势与不足进行全面的测试。通过使用不同的作业调度算法运行相同的作业,进行细致横向的对比,并得到各种作业调度算法之间以及计算框架之间在计算能力、运行时间、资源占用等方面的优劣。实验结果表明,公平调度算法和计算能力调度算法相较于传统的FIFO算法具有更灵活、更高效的特点。     

应用于云中MapReduce计算的动态资源调度算法

越来越多的MapReduce计算由运行在云中虚拟机组成的虚拟集群完成,为增强虚拟MapReduce集群计算中任务的数据本地性,充分利用云计算的资源可动态配置的优势,提出了一种基于队列的动态资源调度算法,并模拟了云计算平台进行测试,实验结果表明动态资源调度算法提高了虚拟MapReduce集群的计算性能.     

基于云计算的物联网建筑设备智能调度系统设计

物联网信息系统中建筑设备种类和数量繁多,传统的资源存储调度方式无法保证实时性和有效性,提出一种改进的蚁群算法克服了传统蚁群算法收敛速度慢和易陷入局部最优的缺陷。将改进的蚁群算法移植到云计算环境中,云计算的快速计算和高速存储优势能够实现建筑设备的实时资源调度。实验结果表明,改进的蚁群算法在云计算环境中能够较为明显地提升资源调度效率。     

云模型优化的QPSO算法在大数据云存储平台业务调度中的应用

QPSO算法作为最优秀的群体智能算法之一,有着较强的寻优能力,将QPSO算法用于云计算平台资源调度策略的寻优,有着明显的优势。通过对QPSO算法在云计算中的应用研究,为云计算平台效率的提升提供有效方法。文章对云模型优化的QPSO算法在大数据云存储平台业务调度中的应用进行分析与研究。     

改进人工蜂群算法的云计算资源调度模型

针对传统资源调度算法存在资源利用率低等缺陷,提出一种基于改进人工蜂群算法的云计算资源调度模型(IABC).首先建立云计算资源调度问题的数学模型,然后采用人工蜂群算法进行求解,并将个体当前最优值及随机向量引入到蜂群搜索过程中,加快搜索速度,提高搜索能力,最后找到云计算资源调度的最优方案,并采用仿真实验验证算法的有效性.仿真结果表明,IABC算法不仅解决了传统资源调度算法存在的缺陷,提高了云计算资源利用率,而且大幅度减少了任务的完成时间.     

基于改进匈牙利算法的云仿真资源调度

针对传统仿真系统平台的资源分配存在资源闲置、任务挤压和负载均衡等优化问题,利用云计算技术的优势研究并提出了模块化的云仿真平台框架,通过对云仿真资源调度策略研究,提出了一种改进的匈牙利算法．该算法克服了传统匈牙利算法只适用于一对一资源调度的不足,实现了多对一的仿真任务与云仿真资源分配方案,能尽量避免资源调度负载失衡．通过扩展云计算仿真平台CloudSim实现了模拟算法仿真．结果表明．该调度策略能有效的减小云环境下计算机的负载,提高了资源的利用率．     

云计算资源调度策略中最小资源矩阵应用的研究

传统的蚁群算法(ACO)在云计算资源调度的应用中,存在一些资源节点无法满足任务运行所需的硬件配置条件,从而在任务调度算法中造成了大量的浪费以及整体资源调度效率低下等问题。据此提出一种基于最小资源矩阵(ACO-MRM)的改进蚁群算法,抛弃大量不满足任务运行条件的资源节点,减少大量对无效资源节点的计算,加速算法收敛。仿真实验表明,改进的蚁群算法不仅能够提高云计算调度的有效性,而且能缩短任务执行时间和减少运行成本来获取全局最优调度方案。     

基于K-means和蝙蝠算法的云计算虚拟机智能调度

针对云计算虚拟机调度中存在的资源分配不均衡问题,提出了一种基于K-means和蝙蝠算法的云计算虚拟机智能调度方法。该方法充分考虑物理节点空闲资源和虚拟机所需资源的互补性,以物理节点作为初始聚类中心,使用资源的相关性定义二者的距离,利用蝙蝠算法的全局寻优能力迭代寻优,达到合理调度虚拟机的目的。模拟实验仿真的结果表明,该方法在降低物理节点数量和提高资源利用率方面具有一定的优势,是一种可行的方法。     

双向收敛蚁群算法在云计算资源调度中的QoS应用

云计算环境下,用户数量和处理的任务数量庞大,对任务完成时间和满足客户的QoS需求上具有较高要求。针对云计算中资源调度问题进行了研究,在综合考虑运行时间和满足客户QoS需求的情况下,建立了云计算资源调度适应度函数模型,并在最大最小蚁群算法的基础上引进了双向收敛策略。通过在CloudSim平台模拟实验,表明该算法在云计算资源分配上具有较快的收敛速度和较好的QoS服务能力,是一种有效的资源调度算法。     

电力云计算中关联任务调度算法

针对传统电力系统计算平台在计算、存储、信息集成和分析等方面的不足,建立基于云计算的电力系统计算平台。针对电力云计算平台中对关联任务调度进行调度时出现任务执行延迟的问题,提出了一种基于任务分层算法DAG。算法将任务按任务集合优先级的高低顺序调度至具有最小完成时间的资源上。试验证明关联任务调度算法能够有效地减缓关联任务延迟。     

基于蚁群的云计算资源调度研究

针对云计算环境中资源调度的问题,提出了一种基于改进蚁群的云计算资源调度算法。在算法中添加了查找表,存储其他蚂蚁推荐的节点。当任务分类比较明确的时候,查找表的优点更加地突出。在信息素的计算中加入了成功率因子,成功率越高的节点被选中的概率就越大。本文使用Cloud Sim对算法进行了仿真,仿真结果表明提出的算法缩短了搜寻资源节点的时间,从而使任务可以更快地获得资源并执行,保证了任务能够按时完成。     

基于模糊决策的云计算安全模型

针对当前很多改进的Map Reduce调度算法都未将计算节点安全性考虑在内的问题,通过分析云计算任务调度机制,基于Vague模糊集的理论知识,将模糊决策理论引入到云计算安全调度应用中,提出一种基于模糊决策的云计算安全模型。其基本思想是对云资源进行筛选评判,同时考察多个节点的资源,动态接受可信度高的资源池,拒绝可信度低的资源池。通过模糊评判选择安全的节点,同时结合云计算的调度运算,从而达到资源的最佳利用率,同时兼顾云计算的安全问题,使得分布在云上的资源能满足日益增长的安全需要。并在此基础上进行算法实现与实验分析,实验证明新安全模型对"危险"云进行识别,该模型满足云计算的安全性、高效性,加强了云计算的安全环境。     

云计算资源调度算法的研究与实现

在研究蚁群算法、任务分配和资源调度的基础上,提出了一种改进的蚁群资源调度算法.首先通过引入节点可信度机制在一定程度上增强了云计算资源的搜索能力和节点完成任务的成功率.然后在改进的算法中使用了信息素的局部更新机制和全局更新机制,可以有效地平衡负载.最后通过选取合适的参数利用CloudSim仿真工具对改进的资源调度算法进行实验测试,实验结果表明此算法缩短了任务的执行时间,改善了云计算资源调度的性能.     

基于粒子群算法的嵌入式云计算资源调度

随着移动互联网的发展,基于嵌入式设备的云计算服务成为研究热点。在国内,嵌入式云计算目前正处于探索研究阶段,云资源管理调度是嵌入式云计算的核心技术之一,其效率直接影响嵌入式云计算系统的性能。为了提高云计算性能,本文提出一种基于粒子群优化算法的云计算任务调度模型。粒子群算法中粒子位置代表可行的资源调度方案,以云计算任务完成时间及资源负载均衡度作为目标函数,通过粒子群优化算法,找出最优资源调度方案。在matlab实验平台进行了仿真,通过大量数据模拟实验表明,该模型可以快速找到最优调度方案,提高资源利用率,具有较好的实用性和可行性。     

基于云计算的深度包检测技术研究

针对云计算平台的分布式、虚拟化等特点,从深度包检测技术的算法原理和实现框架两方面入手,研究如何将深度包检测技术引入云计算平台,提出深度包检测系统在云计算环境中的系统框架;其根据云后台硬件资源的异构性来智能地协调配置,并协作均衡处理和防御重复攻击,提高了整体效率;实验结果表明云计算框架比传统框架的深度包检测系统有效性和在时间、空间上的性能优势。     

基于SDN技术的数据中心基础网络构建

将软件定义网络技术运用到数据中心,通过智能软件对硬件资源抽象,将资源聚合成能力池,使得网络更加软件化、敏捷化,为满足云计算数据中心动态、弹性、有效使用网络的应用需求,提供自动、安全、灵活有效调度资源的能力。本文方案弥补了云计算在网络虚拟化方面的短板,使计算、存储和网络进一步整合,实现真正意义上资源完全自动化部署、实时资源调度和快速网络故障排除,并具有随时增加新业务的潜力,加快网络创新节奏,为云计算中心运营者降低维护成本、提高用户体验提供了新的选择。     

云计算环境下的数据库查询调度算法探讨

云计算从被提出到现在广泛应用于多种行业领域，其发展变化非常快速，在不断的发展进步过程中，云计算也得到了国家政策的支持。本文提出了一种相对比较适合云计算数据库的查询调度算法———CCRP算法，这一算法的应用可以有效解决其它算法在云计算中有部分系统由于资源闲置而导致的资源浪费问题，充分调度系统的可用资源，减少浪费从而使其查询效率得以提高。通过仿真实验证实CCRP算法具有较强的系统利用率和系统性能，相比其他算法，具有更大使用的优势。     

基于CloudSim的作业调度算法评价模型设计与实现

针对云计算作业调度算法评价问题,引入经济学中的消费者均衡理论和帕累托最优理论,在Cloud Sim仿真框架中,构建一个云计算作业调度评价模型,为选择最优的作业调度算法提供决策支持。同时,针对Cloud Sim在用户交互上的不足,进行可视化扩展,使研究者能够直观地观测仿真结果。最后,在Cloud Sim上进行仿真实验,仿真结果表明,对于模拟的云计算服务,Cloud Sim自身提供的作业调度算法不是最优算法。     

基于云计算平台的智慧城市管理系统设计

为了解决智慧城市管理过程中常出现资源调度速度过慢问题,设计了云计算平台的智慧城市管理系统。该系统采用云管理模块下监控各硬件设备,并构建云计算资源调度目标函数,利用文化粒子群算法对目标函数求解,得到云计算资源调度方案,最后测试结果表明,该系统能够实现智慧城市有效管理,并能实时监测城市情况,在实行资源调度时,任务完成时间较短且系统利用率较高,能够实现资源最大化利用。