基于蟻群算法的云計(jì)算虛擬機(jī)分配問(wèn)題研究.pdf

1、互聯(lián)網(wǎng)的普及與軟硬件的迅速發(fā)展使得人們的生活方式發(fā)生了巨大的改變，云計(jì)算作為一種新型的服務(wù)使用和交互模式應(yīng)運(yùn)而生，這種模式的出現(xiàn)使網(wǎng)絡(luò)中的服務(wù)越發(fā)合理并且高效。隨著數(shù)據(jù)密集型應(yīng)用越來(lái)越多的移置到云端中，大數(shù)據(jù)處理得到了研究者們的廣泛關(guān)注。為了有效且快速地對(duì)數(shù)據(jù)型應(yīng)用進(jìn)行處理，人們往往采用MapReduce/Hadoop分布式處理框架。在該種計(jì)算框架下輸入的大規(guī)模數(shù)據(jù)將會(huì)被劃分成為若干個(gè)子數(shù)據(jù)塊，并且這些數(shù)據(jù)塊相互獨(dú)立的。在這樣的情況下，

2、如果存儲(chǔ)數(shù)據(jù)的數(shù)據(jù)節(jié)點(diǎn)和其對(duì)應(yīng)計(jì)算節(jié)點(diǎn)之間的最大訪問(wèn)延遲沒(méi)有受到限制，那么任務(wù)的運(yùn)行時(shí)間將在很大程度上會(huì)被延遲。與此同時(shí)計(jì)算節(jié)點(diǎn)之間往往需要相互通信以收集各自數(shù)據(jù)運(yùn)行的結(jié)果，因此被分配用于處理數(shù)據(jù)節(jié)點(diǎn)的計(jì)算節(jié)點(diǎn)之間的最大訪問(wèn)延遲也需要受到限制從而控制總的運(yùn)行時(shí)間。
　　本文在對(duì)云計(jì)算產(chǎn)生的背景、基本概念、特點(diǎn)以及體系結(jié)構(gòu)等云計(jì)算中的基本概念做了相關(guān)介紹后，就傳統(tǒng)云計(jì)算架構(gòu)與分布式云計(jì)算架構(gòu)的異同和數(shù)據(jù)節(jié)點(diǎn)不同的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)展開(kāi)本文

3、的研究。主要做了以下幾點(diǎn)工作：第一，根據(jù)分布式云計(jì)算環(huán)境下的虛擬機(jī)調(diào)度問(wèn)題的特性，將本文研究的問(wèn)題形式化，建立數(shù)學(xué)模型，并對(duì)該問(wèn)題目前的研究現(xiàn)狀進(jìn)行相應(yīng)的分析。第二，本文對(duì)蟻群算法簡(jiǎn)單介紹之后，以基本蟻群算法的固有缺點(diǎn)引入最大最小蟻群算法作為本文的基礎(chǔ)算法，并且在詳細(xì)分析本文研究問(wèn)題的具體特點(diǎn)后，對(duì)算法進(jìn)行了相應(yīng)的優(yōu)化和改進(jìn)。例如針對(duì)蟻群初始路徑選擇的隨機(jī)性提出了基于具有最優(yōu)迭代思想的初始位置選擇策略，優(yōu)化最大最小蟻群算法的信息素更新策

4、略。與此同時(shí)提出兩種局部搜索策略：雙重變異搜索技術(shù)以及 K-NN搜索技術(shù)以提高算法的收斂速度和解的質(zhì)量。鑒于蟻群算法本身是一種并行算法，本文引入并行蟻群策略從工程上使算法的收斂速度得到提升。第三，基于Matlab軟件進(jìn)行仿真，首先對(duì)算法的性能進(jìn)行評(píng)估，對(duì)優(yōu)化最大最小蟻群算法的初始參數(shù)進(jìn)行了調(diào)整，并且在此基礎(chǔ)上以總訪問(wèn)延遲、最大訪問(wèn)延遲以及每次迭代過(guò)程中獲得的最優(yōu)解作為判斷依據(jù)對(duì)本文提出的算法和目前最優(yōu)的算法的優(yōu)劣性進(jìn)行對(duì)比。其次是系統(tǒng)實(shí)