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。     

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。     

基于改进蚁群算法的云资源调度研究

如何同时满足数据资源的高效利用和使用者对运营商提出的QoS请求已经成为了当下的研究热点,提出使用改进蚁群算法对云资源的的调度进行研究.研究将云计算特征与蚁群算法相融合并通过仿真实验的方式进行验证.研究结果表明:基于改进蚁群算法的调度策略与基本蚁群算法相比,运行时间更短、平均费用更低、可靠性更高、总体效用更高、DI值更好...     

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.     

多态蚁群算法优化的云资源调度策略研究

针对传统蚁群算法易陷于早熟收敛等问题,提出了采用自适应多态蚁群算法(APACA)来寻求一组最优的资源调度方案,并与轮循(RR)调度算法和传统的蚁群(ACA)算法通过CloudSim仿真平台进行对比,结果表明:APACA在任务处理的平均完成时间更具有优势。     

基于MABC算法的云计算资源调度策略

为了提高云计算服务集群资源调度和任务分配的优化效果,提出一种基于改进的人工蜂群优化算法的云计算资源调度策略。针对ABC算法后期收敛速度慢,容易陷入局部最优的问题,引入了控制因子调度策略,通过自适应调整搜索空间,动态地调整蜜蜂之间的信息度,不断地进行信息交换跳出局部最优从而获得全局最优解。在云计算仿真平台CloudSim进行实验,结果表明,此方法能够缩短云环境下的任务平均运行时间,有效地提高了资源利用率。     

基于云计算的调度算法

文章从云计算的优势分析入手,论述了基于云计算的调度算法。期望通过本文的研究能够对高新能算法在云计算系统任务调度中的合理运用有所帮助。     

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。     

基于改进混合遗传算法的云资源调度算法

在云计算中,系统规模和虚拟机迁移数量都是十分庞大的,需要高效的调度策略对其进行优化。将云计算的任务分配抽象为背包求解问题,可通过遗传算法进行求解。传统的遗传算法具有局部搜索能力差以及早熟现象的缺点,本文采用遗传和贪婪相结合的混合遗传算法。针对混合遗传算法在资源利用率与能源消耗的收敛速度较慢问题,本文通过改进适应度函数,改变了适应度函数在不同染色体间的差异度,从而提高了染色体在选择算子中的择优性能。仿真结果表明,该方法能够有效提高混合遗传算法在云计算资源优化中的收敛速度。     

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.     

基于蚁群算法的云计算自适应任务调度研究

为了解决蚁群算法在解决云计算中大规模任务调度问题时收敛速度较慢且易陷入局部最优解的缺陷,设计了一种基于蚁群算法的云计算自适应任务调度算法,该算法在多态蚁群算法的基础上加入了信息素自适应更新调整机制,用来提高算法的收敛速度,有效地避免的局部最优解的出现。实验数据表明,在解决大规模任务调度问题时本文算法性能更好。     

基于金豺优化算法的云计算资源调度研究

基于云计算环境下资源利用率低的问题,将一种新提出的金豺优化算法应用于云计算资源调度策略。研究采用Cloudsim作为仿真实验平台,以减少任务总完成时间为优化目标。实验中以猎物位置模拟任务对虚拟机序号的选择,在一定的迭代次数后根据猎物位置得出每个任务对虚拟机序号的最终选择和最终任务总完成时间。改变金豺优化算法的迭代次数并进行实验,结果表明,在迭代次数达100次时,金豺优化算法在云计算资源调度模型上的效果达到最优。将调用金豺优化算法与应用贪心算法和遗传算法下的实验结果进行对比,结果表明,在任务数量大于1 000时,金豺优化算法在云计算资源调度模型上的效果优于贪心算法和遗传算法,效率相较于遗传算法提升了约20%。     

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。     

基于改进蚁群算法的自适应云资源调度模型研究

对于传统蚁群算法用于云计算资源分配和调度问题过程中存在的不足,提出了一种可以提高负载均衡度、缩短任务执行时间、降低任务执行成本的改进自适应蚁群算法,改进算法以能够基于用户提交的任务求解出执行时间较短、费用较低,负载率均衡的分配方案为目标,通过CloudSim平台对传统蚁群算法、最新的AC-SFL算法、改进自适应蚁群算法进行仿真实验对比。实验数据表明,改进后的自适应蚁群算法能够快速找出最优的云计算资源调度问题的解决方案,缩短了任务完成时间,降低了执行费用,保持了整个云系统中心的负载均衡。     

提高全局资源调度和本地资源调度的效能的云计算资源调度方案分析

设计分析可以提高当前全局资源调度、本地资源调度效能的云计算资源调度方案。在云计算资源调度中,能够优化分析,提高全局资源调度和本地资源调度的效能的调度方案,分析调度方案设计需求,设计实现提升云计算资源调度效能。结果证实,在云计算资源调度方案设计中,确保提高全局资源调度和本地资源调度的效能,全局资源调度效能提高20%,提高本地资源调度效能达到32%,发挥积极影响。结论表达出在进行云计算资源调度方案设计中,优化设计其全局资源调度、本地资源调度,可以提升资源调度效能,有助于提升云计算资源调度方案质量,发挥实用价值。     

基于改进蚁群算法的客户服务调度方法

提出一种基于改进蚁群算法的客户服务调度方法。改进蚁群算法综合考虑了服务处理的顺序、服务时间及服务台负载等因素，快速地完成客户服务需求的调度。该算法是一种群体寻优方法．能较快地搜索到全局最优解。仿真实验结果表明，该方法是正确的、可行的和有效的。     

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。     

云计算数据中心资源调度解析

云计算是建立在计算机界长期的技术积累基础之上,包括软件和平台作为一种服务的虚拟化和大规模的数据中心技术。文章通过对云计算数据中心资源多方面多层次调度方案分析,深入进行项目研究与小结,为云计算数据资源调度提供一定解析。     

基于云计算的短信平台资源调度技术研究

基于云计算的短信平台进行资源调度技术研究,通过分析平台特点,从实际需求出发,建立资源调度模型,构成核心调度中心四大模块的架构体系,同时进行调度策略规划,包括从一般调度、节能调度以及容灾调度等三个方面进行策略研究,充分探讨基于云计算的短信平台资源调度技术。     

云计算环境下的资源调度研究

云计算是近年来商业和科研机构关注的热点,其通过虚拟化等技术构建统一的资源池,屏蔽底层资源细节,向用户提供服务,从而达到提高设备利用率、节能减排、快速部署业务等目的。文章针对云计算环境下资源调度问题进行了介绍,包括资源调度的建模和方法,并重点介绍了资源层面的调度。