基于改进粒子群算法的云计算任务调度算法.doc
约40页DOC格式手机打开展开
基于改进粒子群算法的云计算任务调度算法,1.4万字自己原创的毕业论文，已经通过校内系统检测，重复率低，仅在本站独家出售，大家放心下载使用目录第一章选题背景和研究现状简介11.1选题背景11.1.1 ibm所采用的调度机制11.1.2 map-reduce调度机制11.2研究现状31.2.1 云计算中资源调度的定义41.2...
内容介绍
此文档由会员 淘宝大梦 发布
基于改进粒子群算法的云计算任务调度算法
1.4万字
自己原创的毕业论文，已经通过校内系统检测，重复率低，仅在本站独家出售，大家放心下载使用
目 录
第一章 选题背景和研究现状简介 1
1.1 选题背景 1
1.1.1 IBM所采用的调度机制 1
1.1.2 Map-Reduce调度机制 1
1.2 研究现状 3
1.2.1 云计算中资源调度的定义 4
1.2.2 调度算法的评价指标 4
1.2.3 常见的调度算法 5
第二章 资源调度的相关算法基础 7
2.1 粒子群算法简介 7
2.1.1 粒子群算法的起源 7
2.1.2 粒子群算法的详细表述 8
2.1.3 粒子群算法的流程 9
2.1.4 粒子群算法的优点 10
2.2 模拟退火（Simulated Annealing）算法简介 10
2.2.1 模拟退火算法的原理 10
2.2.2 模拟退火算法求解问题的一般步骤 13
第三章 资源调度算法的改进 15
3.1 为什么要改进?——朴素PSO算法的缺陷 15
3.2 两种算法的混合——P-S算法 15
3.2.1 两种算法的混合——P-S算法 15
3.2.2 一个具体的P-S算法方案和执行流程 16
第四章 云计算资源调度的数学模型和改进算法实现 17
4.1 问题的描述 17
4.2 问题的定义 17
4.3 算法设计 18
4.3.1 Min-Min算法实例 18
4.3.2 P-S算法应用于资源调度具体实现 19
第五章 实验 24
5.1 实验目的和平台 24
5.2 实验中涉及参数说明 24
5.3 实验中调度算法代码 25
5.4 实验结果和分析 30
致 谢 33
参考文献 34
摘要 在云计算中，任务调度问题是一个核心和具有挑战性的问题，。如何使用云计算高效的计算资源，并利用任务调度系统获得最大化利润是云计算服务提供商的最终目标之一。由于粒子群优化算法在解决大规模的组合优化问题时容易陷入搜索速度缓慢的特性，因此，在每次迭代过程中，利用模拟退火算法局部最优，全局快速收敛特性，使之与粒子群优化算法相结合。提高了收敛速度并提高了效率。本文提出在云计算的资源调度策略中改进粒子群优化算法。实验结果表明，该方法可以减少任务的平均运行时间，并且提高资源分配效率。
关键词：云计算 作业调度系统 任务调度 模拟退火 粒子群优化
Improved PSO-based ask Scheduling Algorithm in
Cloud Computing
Abstract Job scheduling system problem is a core and challenging issue in cloud computing. How to use cloud computing resources efficiently and gain the maximum profits with job scheduling system is one of the cloud computing service providers’ ultimate goals. For characteristics of particle swarm optimization algorithm in solving the large-scale combination optimization problem easy to fall into the search speed slowly and partially the most superior, the global fast convergence of simulated annealing algorithm is utilized to combine particle swarm optimization algorithm in each iteration, which enhances the convergence rate and improves the efficiency. This paper proposed the improve particle swarm optimization algorithm in resources scheduling strategy of the cloud computing. Through experiments, the results show that this method can reduce the task average running time, and raises the rate availability of resources.
Key words Cloud Computing; Job Scheduling System; Task Schedule; Simulated Annealing; PSO;
1.4万字
自己原创的毕业论文，已经通过校内系统检测，重复率低，仅在本站独家出售，大家放心下载使用
目 录
第一章 选题背景和研究现状简介 1
1.1 选题背景 1
1.1.1 IBM所采用的调度机制 1
1.1.2 Map-Reduce调度机制 1
1.2 研究现状 3
1.2.1 云计算中资源调度的定义 4
1.2.2 调度算法的评价指标 4
1.2.3 常见的调度算法 5
第二章 资源调度的相关算法基础 7
2.1 粒子群算法简介 7
2.1.1 粒子群算法的起源 7
2.1.2 粒子群算法的详细表述 8
2.1.3 粒子群算法的流程 9
2.1.4 粒子群算法的优点 10
2.2 模拟退火（Simulated Annealing）算法简介 10
2.2.1 模拟退火算法的原理 10
2.2.2 模拟退火算法求解问题的一般步骤 13
第三章 资源调度算法的改进 15
3.1 为什么要改进?——朴素PSO算法的缺陷 15
3.2 两种算法的混合——P-S算法 15
3.2.1 两种算法的混合——P-S算法 15
3.2.2 一个具体的P-S算法方案和执行流程 16
第四章 云计算资源调度的数学模型和改进算法实现 17
4.1 问题的描述 17
4.2 问题的定义 17
4.3 算法设计 18
4.3.1 Min-Min算法实例 18
4.3.2 P-S算法应用于资源调度具体实现 19
第五章 实验 24
5.1 实验目的和平台 24
5.2 实验中涉及参数说明 24
5.3 实验中调度算法代码 25
5.4 实验结果和分析 30
致 谢 33
参考文献 34
摘要 在云计算中，任务调度问题是一个核心和具有挑战性的问题，。如何使用云计算高效的计算资源，并利用任务调度系统获得最大化利润是云计算服务提供商的最终目标之一。由于粒子群优化算法在解决大规模的组合优化问题时容易陷入搜索速度缓慢的特性，因此，在每次迭代过程中，利用模拟退火算法局部最优，全局快速收敛特性，使之与粒子群优化算法相结合。提高了收敛速度并提高了效率。本文提出在云计算的资源调度策略中改进粒子群优化算法。实验结果表明，该方法可以减少任务的平均运行时间，并且提高资源分配效率。
关键词：云计算 作业调度系统 任务调度 模拟退火 粒子群优化
Improved PSO-based ask Scheduling Algorithm in
Cloud Computing
Abstract Job scheduling system problem is a core and challenging issue in cloud computing. How to use cloud computing resources efficiently and gain the maximum profits with job scheduling system is one of the cloud computing service providers’ ultimate goals. For characteristics of particle swarm optimization algorithm in solving the large-scale combination optimization problem easy to fall into the search speed slowly and partially the most superior, the global fast convergence of simulated annealing algorithm is utilized to combine particle swarm optimization algorithm in each iteration, which enhances the convergence rate and improves the efficiency. This paper proposed the improve particle swarm optimization algorithm in resources scheduling strategy of the cloud computing. Through experiments, the results show that this method can reduce the task average running time, and raises the rate availability of resources.
Key words Cloud Computing; Job Scheduling System; Task Schedule; Simulated Annealing; PSO;
