云計算環(huán)境下基于改進蟻群算法的任務(wù)調(diào)度方法研究.pdf

1、云計算作為近些年興起的一種新型計算模型，它是由網(wǎng)格計算、并行計算及分布式計算逐步發(fā)展而來。由于云計算具有巨大的商業(yè)價值，并且對目前的互聯(lián)網(wǎng)運營模式影響重大，已成為國內(nèi)外企業(yè)及科研部門的研究熱點。云計算環(huán)境中，用戶數(shù)量龐大，系統(tǒng)要處理的任務(wù)量繁重，并且其體系結(jié)構(gòu)較為復(fù)雜，因此考慮如何對任務(wù)進行合理高效地調(diào)度，以盡可能滿足用戶服務(wù)需求，并實現(xiàn)系統(tǒng)的全局最優(yōu)化，成為了云計算研究領(lǐng)域的重點和難點。
　　蟻群算法在解決任務(wù)分配、空間約束優(yōu)化

2、、圖形分割等問題上取得了一系列較好的實驗結(jié)果。算法在求解復(fù)雜的優(yōu)化問題特別是離散優(yōu)化問題時，突出了其高效性及優(yōu)越性，具有較大的發(fā)展前景。
　　本文的研究工作主要包括以下兩個方面：
　　1）針對蟻群算法在解決云任務(wù)調(diào)度問題時尚未綜合考慮算法的尋優(yōu)能力及收斂速度的情況，提出了信息素動態(tài)調(diào)整的改進蟻群算法（Improved Ant Colony Optimization，IACO）對云任務(wù)進行調(diào)度。為縮短任務(wù)的完成時間及降低資源的

3、負載不均衡程度，該調(diào)度算法根據(jù)任務(wù)量大小對任務(wù)進行了排序，以降序作為任務(wù)調(diào)度順序，定義了啟發(fā)信息以及信息素揮發(fā)因子，該因子隨迭代次數(shù)的變化動態(tài)調(diào)整，以保證算法在迭代前期具備較好的尋優(yōu)能力，后期具備更快的收斂速度。
　　2）針對蟻群算法在對云任務(wù)調(diào)度時易陷入局部最優(yōu)的不足，提出了概率自適應(yīng)蟻群算法（Probability Adaptive Ant Colony Optimization,PAACO）的云任務(wù)調(diào)度方法。算法定義了任務(wù)集

4、中度，引入了任務(wù)分配概率自適應(yīng)因子的概念，若當(dāng)前任務(wù)的分配集中度大于設(shè)定閾值，則通過概率自適應(yīng)因子對任務(wù)的分配概率進行調(diào)整，從而擴大算法的搜索范圍，避免算法局部收斂。
　　研究實驗結(jié)果表明，所提IACO算法相對資源狀態(tài)蟻群算法（Status Ant Colony Optimization，SACO）及輪轉(zhuǎn)算法（Round-Robin，RR），在縮短任務(wù)完成時間及降低資源負載不均衡程度方面，均有一定程度的優(yōu)化；所提PAACO算法相對