改進(jìn)混合蛙跳算法在云資源調(diào)度中的應(yīng)用.pdf

1、云計(jì)算已經(jīng)成為當(dāng)前家喻戶曉的一個(gè)科技熱詞，同時(shí)也成為學(xué)術(shù)界和產(chǎn)業(yè)界的熱點(diǎn)研究問題，云計(jì)算技術(shù)虛擬化了所有資源，把這些資源放在一個(gè)巨大的資源池，并且把這些資源透明化的提供給用戶滿足需求，所以資源的虛擬化映射在應(yīng)用層和虛擬資源層的之間的虛擬映射成為云計(jì)算的一個(gè)關(guān)鍵問題。如何找到一個(gè)合理的分配方案，成為資源調(diào)度的關(guān)鍵。很多研究人員，在近幾年，已經(jīng)做了很多的工作，提出了一系列資源調(diào)度相關(guān)策略。由于混合蛙跳算法出現(xiàn)時(shí)間短，很多理論基礎(chǔ)和參數(shù)設(shè)置還

2、不是很成熟，所以把混合蛙跳算法應(yīng)用到云計(jì)算資源調(diào)度中的研究還不是太多，現(xiàn)有的算法及一些改進(jìn)的算法，在一定程度上都存在一定的缺點(diǎn)和不足，沒有在種群初始化上做研究來提高種群的解的質(zhì)量，最差個(gè)體移動(dòng)步長比較單一，易陷入局部最優(yōu)等問題。
　　本文針對(duì)混合蛙跳算法應(yīng)用在云計(jì)算資源調(diào)度中存在的收斂速度和尋優(yōu)能力不佳的問題，為了提高收斂速度和尋優(yōu)能力，縮短完成任務(wù)的時(shí)間，提出了改進(jìn)的混合蛙跳算法，主要做了三個(gè)方面的改進(jìn)。在種群初始化中，采用經(jīng)典

3、的Min-Min算法和隨機(jī)方式生成初始化種群規(guī)模，很大程度上提高了初始解的質(zhì)量，保持了種群多樣性，可以間接的縮短任務(wù)完成時(shí)間；在局部搜索策略中，原有的算法是單一的移動(dòng)步長公式，可能導(dǎo)致最差青蛙個(gè)體更新后還是子群內(nèi)最差個(gè)體，所以引入平均適應(yīng)度值的概念，通過判斷子群內(nèi)青蛙個(gè)體的適應(yīng)度值與平均適應(yīng)度值的大小關(guān)系，來確定最差青蛙個(gè)體的移動(dòng)步長公式，更新最差青蛙的位置，避免了盲目搜索，使群體收斂速度更快，尋優(yōu)能力更好；在全局混合操作中，引入遺傳算

4、法的交叉思想，在子群間青蛙混合進(jìn)行文化信息交流時(shí)，對(duì)子群內(nèi)局部最優(yōu)解和全局最優(yōu)解，采用合適的交叉控制參數(shù)進(jìn)行交叉操作，結(jié)果保留較優(yōu)個(gè)體，一來子代繼承了父代的優(yōu)秀基因，一定程度上提高解的質(zhì)量，二來可以使算法避免陷入局部最優(yōu)。在實(shí)際生活中，用戶任務(wù)需求量很大，而資源量有限，所以時(shí)間短，速度快的算法更適合這種有條件限制的情況。
　　最后在云計(jì)算仿真平臺(tái)CloudSim上模擬本文算法。實(shí)驗(yàn)中，由于混合蛙跳算法本身概念比較新，參數(shù)設(shè)置上不像