首页> 中文学位 >云环境中基于双适应度遗传算法的任务调度的研究
【6h】

云环境中基于双适应度遗传算法的任务调度的研究

代理获取

目录

声明

摘要

第1章 绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.3 本文的组织

第2章 相关技术介绍

2.1 云计算简介

2.1.1 云计算概念

2.1.2 云计算体系结构

2.1.3 云计算与网格计算的区别

2.2 任务调度模型

2.2.1 云平台任务调度

2.2.2 Hadoop中任务调度算法

2.3 遗传算法简介

2.3.1 遗传算法的产生与发展

2.3.2 遗传算法流程与原理

2.3.3 遗传算法优点

2.3.4 遗传算法的应用

2.4 本章小结

第3章 双适应度遗传算法

3.1 模型建立

3.2 基于双适应度遗传算法的任务调度的实现

3.2.1 染色体编码与表示

3.2.2 种群初始化

3.2.3 适应度函数

3.3.4 选择策略

3.3.5 交叉与变异操作

3.3.6 实现步骤

3.3 本章小节

第4章 实验

4.1 实验方案与参数设置

4.2 实验结果及分析

4.3 本章小结

第5章 总结与展望

5.1 工作总结

5.2 工作展望

参考文献

致谢

展开▼

摘要

云计算作为继分布式计算,网格计算以后的一种新的计算模式,通过互联网向用户提供计算、存储、应用平台等各种服务。在国内外各企业的大力推动下,云计算发展迅速,为处理互联网应用平台日益增长的庞大数据量提供了良好的解决方案。自从2004年Google公司提出能并发处理海量数据的MapReduce并行编程模型起,基于MapReduce模型的云平台不断涌现。其中以Hadoop平台应用最为广泛,而基于MapReduce模型的任务调度问题也成为了学者研究的热点问题,高效的任务调度算法能提高云计算系统的整体性能以及更合理地分配和利用云计算中心的资源,对云计算平台处理海量数据有重要意义。
  任务调度一直是云平台中一个关键性的问题。用户数量和数据量都是非常巨大的。如何对任务进行高效的调度成为云计算中所要解决的重要问题。为了解决这个问题,考虑到云环境的新特性和原来自适应遗传算法(AGA),本文提出了一种新的双适应度函数的调度策略(TAGA),不仅考虑作业的总计完成时间而且把作业平均完成时间作为一个重要因素考虑进来。该调度策略产生的作业调度序列不仅找到总任务完成时间较短的任务调度序列,而且该调度产生的结果任务平均完成时间也很短。
  最后模拟云计算环境,用Matlab模拟试验对TAGA和AGA算法进行比较,设置和调整试验参数,对比分析原有算法和改进的算法。通过反复试验,TAGA在总计作业完成时间,平均任务完成时间方面都要优于AGA算法,更加适应云计算环境。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号