论文部分内容阅读
云计算作为一种新兴计算模式，它是网格计算、并行计算和分布式计算的发展，同时也是下一代网络与应用的新技术。云计算资源调度是云计算技术的一个重要组成部分，它主要研究如何为用户提交的任务分配计算节点、如何对计算节点进行动态扩展以及在满足用户服务质量要求并且执行时间最短的前提下，负载均衡程度最高，它的效率直接影响整个云计算环境的工作性能。蚁群算法和粒子群算法是计算智能领域的两种群智能算法，前者是对蚂蚁群落采集食物过程的模拟，后者是对鸟群觅食过程的模拟。蚁群算法在旅行商问题、指派问题、调度问题等方面取得了一系列较好的实验结果，在求解复杂优化问题特别是离散优化问题上，突出了其高效性和优越性，蚁群算法具有很大的发展前景。粒子群算法是一种高效的并行搜索算法，其概念比较简单，算法容易实现，该算法善于解决连续优化问题。本文的研究工作主要包括以下两个方面：（1）对蚁群算法和粒子群算法的理论进行分析，并且根据这两种算法各自存在的缺点，对算法本身进行改进。将改进后的两种算法，按照扬长避短的方式进行融合，得到蚁群和粒子群算法的融合算法（ACO-PSO）。ACO-PSO算法首先随机生成大量初始解形成信息素分布，然后由蚁群算法根据累计更新的信息素找出若干组较好解，再利用粒子群算法进行交叉、变异操作，从而得到最优解。（2）在云计算环境中提出基于蚁群和粒子群优化算法的资源调度策略，结合实际情况，将ACO-PSO算法运用到云计算平台的用户任务寻找资源的策略中，以提高云计算资源调度的效率。通过仿真实验与蚁群算法和粒子群算法相比较发现，在相同环境下，基于蚁群和粒子群优化算法的云计算资源调度策略比基于单一的算法（蚁群算法或者是粒子群算法）的调度策略所用执行时间更短，效果更好。研究及实验结果表明，将蚁群和粒子群优化算法应用于云计算资源调度问题中，改进了现有的云计算资源调度算法，为探索新的云计算资源调度策略提供了可能性。