基于改進(jìn)粒子群算法的云計(jì)算任務(wù)調(diào)度算法.doc
約40頁DOC格式手機(jī)打開展開
基于改進(jìn)粒子群算法的云計(jì)算任務(wù)調(diào)度算法,1.4萬字自己原創(chuàng)的畢業(yè)論文,已經(jīng)通過校內(nèi)系統(tǒng)檢測(cè),重復(fù)率低,僅在本站獨(dú)家出售,大家放心下載使用目錄第一章選題背景和研究現(xiàn)狀簡(jiǎn)介11.1選題背景11.1.1 ibm所采用的調(diào)度機(jī)制11.1.2 map-reduce調(diào)度機(jī)制11.2研究現(xiàn)狀31.2.1 云計(jì)算中資源調(diào)度的定義41.2...
內(nèi)容介紹
此文檔由會(huì)員 淘寶大夢(mèng) 發(fā)布
基于改進(jìn)粒子群算法的云計(jì)算任務(wù)調(diào)度算法
1.4萬字
自己原創(chuàng)的畢業(yè)論文,已經(jīng)通過校內(nèi)系統(tǒng)檢測(cè),重復(fù)率低,僅在本站獨(dú)家出售,大家放心下載使用
目 錄
第一章 選題背景和研究現(xiàn)狀簡(jiǎn)介 1
1.1 選題背景 1
1.1.1 IBM所采用的調(diào)度機(jī)制 1
1.1.2 Map-Reduce調(diào)度機(jī)制 1
1.2 研究現(xiàn)狀 3
1.2.1 云計(jì)算中資源調(diào)度的定義 4
1.2.2 調(diào)度算法的評(píng)價(jià)指標(biāo) 4
1.2.3 常見的調(diào)度算法 5
第二章 資源調(diào)度的相關(guān)算法基礎(chǔ) 7
2.1 粒子群算法簡(jiǎn)介 7
2.1.1 粒子群算法的起源 7
2.1.2 粒子群算法的詳細(xì)表述 8
2.1.3 粒子群算法的流程 9
2.1.4 粒子群算法的優(yōu)點(diǎn) 10
2.2 模擬退火(Simulated Annealing)算法簡(jiǎn)介 10
2.2.1 模擬退火算法的原理 10
2.2.2 模擬退火算法求解問題的一般步驟 13
第三章 資源調(diào)度算法的改進(jìn) 15
3.1 為什么要改進(jìn)?——樸素PSO算法的缺陷 15
3.2 兩種算法的混合——P-S算法 15
3.2.1 兩種算法的混合——P-S算法 15
3.2.2 一個(gè)具體的P-S算法方案和執(zhí)行流程 16
第四章 云計(jì)算資源調(diào)度的數(shù)學(xué)模型和改進(jìn)算法實(shí)現(xiàn) 17
4.1 問題的描述 17
4.2 問題的定義 17
4.3 算法設(shè)計(jì) 18
4.3.1 Min-Min算法實(shí)例 18
4.3.2 P-S算法應(yīng)用于資源調(diào)度具體實(shí)現(xiàn) 19
第五章 實(shí)驗(yàn) 24
5.1 實(shí)驗(yàn)?zāi)康暮推脚_(tái) 24
5.2 實(shí)驗(yàn)中涉及參數(shù)說明 24
5.3 實(shí)驗(yàn)中調(diào)度算法代碼 25
5.4 實(shí)驗(yàn)結(jié)果和分析 30
致 謝 33
參考文獻(xiàn) 34
摘要 在云計(jì)算中,任務(wù)調(diào)度問題是一個(gè)核心和具有挑戰(zhàn)性的問題,。如何使用云計(jì)算高效的計(jì)算資源,并利用任務(wù)調(diào)度系統(tǒng)獲得最大化利潤是云計(jì)算服務(wù)提供商的最終目標(biāo)之一。由于粒子群優(yōu)化算法在解決大規(guī)模的組合優(yōu)化問題時(shí)容易陷入搜索速度緩慢的特性,因此,在每次迭代過程中,利用模擬退火算法局部最優(yōu),全局快速收斂特性,使之與粒子群優(yōu)化算法相結(jié)合。提高了收斂速度并提高了效率。本文提出在云計(jì)算的資源調(diào)度策略中改進(jìn)粒子群優(yōu)化算法。實(shí)驗(yàn)結(jié)果表明,該方法可以減少任務(wù)的平均運(yùn)行時(shí)間,并且提高資源分配效率。
關(guān)鍵詞:云計(jì)算 作業(yè)調(diào)度系統(tǒng) 任務(wù)調(diào)度 模擬退火 粒子群優(yōu)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;
1.4萬字
自己原創(chuàng)的畢業(yè)論文,已經(jīng)通過校內(nèi)系統(tǒng)檢測(cè),重復(fù)率低,僅在本站獨(dú)家出售,大家放心下載使用
目 錄
第一章 選題背景和研究現(xiàn)狀簡(jiǎn)介 1
1.1 選題背景 1
1.1.1 IBM所采用的調(diào)度機(jī)制 1
1.1.2 Map-Reduce調(diào)度機(jī)制 1
1.2 研究現(xiàn)狀 3
1.2.1 云計(jì)算中資源調(diào)度的定義 4
1.2.2 調(diào)度算法的評(píng)價(jià)指標(biāo) 4
1.2.3 常見的調(diào)度算法 5
第二章 資源調(diào)度的相關(guān)算法基礎(chǔ) 7
2.1 粒子群算法簡(jiǎn)介 7
2.1.1 粒子群算法的起源 7
2.1.2 粒子群算法的詳細(xì)表述 8
2.1.3 粒子群算法的流程 9
2.1.4 粒子群算法的優(yōu)點(diǎn) 10
2.2 模擬退火(Simulated Annealing)算法簡(jiǎn)介 10
2.2.1 模擬退火算法的原理 10
2.2.2 模擬退火算法求解問題的一般步驟 13
第三章 資源調(diào)度算法的改進(jìn) 15
3.1 為什么要改進(jìn)?——樸素PSO算法的缺陷 15
3.2 兩種算法的混合——P-S算法 15
3.2.1 兩種算法的混合——P-S算法 15
3.2.2 一個(gè)具體的P-S算法方案和執(zhí)行流程 16
第四章 云計(jì)算資源調(diào)度的數(shù)學(xué)模型和改進(jìn)算法實(shí)現(xiàn) 17
4.1 問題的描述 17
4.2 問題的定義 17
4.3 算法設(shè)計(jì) 18
4.3.1 Min-Min算法實(shí)例 18
4.3.2 P-S算法應(yīng)用于資源調(diào)度具體實(shí)現(xiàn) 19
第五章 實(shí)驗(yàn) 24
5.1 實(shí)驗(yàn)?zāi)康暮推脚_(tái) 24
5.2 實(shí)驗(yàn)中涉及參數(shù)說明 24
5.3 實(shí)驗(yàn)中調(diào)度算法代碼 25
5.4 實(shí)驗(yàn)結(jié)果和分析 30
致 謝 33
參考文獻(xiàn) 34
摘要 在云計(jì)算中,任務(wù)調(diào)度問題是一個(gè)核心和具有挑戰(zhàn)性的問題,。如何使用云計(jì)算高效的計(jì)算資源,并利用任務(wù)調(diào)度系統(tǒng)獲得最大化利潤是云計(jì)算服務(wù)提供商的最終目標(biāo)之一。由于粒子群優(yōu)化算法在解決大規(guī)模的組合優(yōu)化問題時(shí)容易陷入搜索速度緩慢的特性,因此,在每次迭代過程中,利用模擬退火算法局部最優(yōu),全局快速收斂特性,使之與粒子群優(yōu)化算法相結(jié)合。提高了收斂速度并提高了效率。本文提出在云計(jì)算的資源調(diào)度策略中改進(jìn)粒子群優(yōu)化算法。實(shí)驗(yàn)結(jié)果表明,該方法可以減少任務(wù)的平均運(yùn)行時(shí)間,并且提高資源分配效率。
關(guān)鍵詞:云計(jì)算 作業(yè)調(diào)度系統(tǒng) 任務(wù)調(diào)度 模擬退火 粒子群優(yōu)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;
TA們正在看...
- 14大常用搶救藥品名稱和劑量.doc
- 14家鄉(xiāng)的歷史和發(fā)展.doc
- 14年版自考財(cái)務(wù)管理學(xué)練習(xí)題第七章證券投資決策.doc
- 14年版自考財(cái)務(wù)管理學(xué)練習(xí)題第二章-時(shí)間價(jià)值與風(fēng)險(xiǎn)...doc
- 14年版自考財(cái)務(wù)管理學(xué)練習(xí)題第八章項(xiàng)目投資決策.doc
- 14年高考一輪氣候類綜合練習(xí)題.doc
- 14春市場(chǎng)營銷學(xué)作業(yè).doc
- 14春市場(chǎng)營銷學(xué)作業(yè)3.doc
- 14監(jiān)獄基層人民警察違法違紀(jì)問題成因及對(duì)策.doc
- 14種一年級(jí)語文課堂游戲.doc