基于QPSO-SFLA改進算法的云環(huán)境資源調(diào)度研究.pdf

1、云計算是當(dāng)前信息技術(shù)領(lǐng)域的熱點話題之一，受到了工業(yè)界、學(xué)術(shù)界、政府和社會各界廣泛關(guān)注。經(jīng)過學(xué)術(shù)界與產(chǎn)業(yè)界的不斷努力，云計算技術(shù)正逐漸從理論走向?qū)嵺`，各IT巨頭紛紛加入到云計算的應(yīng)用中來。
　　云環(huán)境中的資源調(diào)度策略已成為云計算領(lǐng)域的一個重要研究方向。云計算調(diào)度策略的核心技術(shù)是將網(wǎng)絡(luò)上眾多的軟硬件設(shè)備和資源，通過虛擬化技術(shù)整合成一個靈活的云處理系統(tǒng)，實現(xiàn)有效的監(jiān)管。因此，對資源調(diào)度策略的研究一直是云計算領(lǐng)域的一個研究熱點。
　

2、　本文在系統(tǒng)分析云計算的各種關(guān)鍵技術(shù)基礎(chǔ)上，針對云環(huán)境下資源調(diào)度算法開展了重點研究，具體工作如下：
　　(1)本文從資源管控策略、調(diào)配路徑及調(diào)配算法等方面對云計算供應(yīng)策略、云計算資源調(diào)度策略以及資源調(diào)度的性能指標、云計算的負載均衡技術(shù)等進行了全面分析研究。
　　(2)本文探索了混洗蛙跳算法(SFLA)在云環(huán)境資源調(diào)度中的運用，在分析混洗蛙跳算法不足的基礎(chǔ)上對種群選擇策略進行了改進。改進后的混洗蛙跳算法（ISFLA）在種群初始

3、化時引入輪盤賭隨機選取策略，通過加強位置較優(yōu)個體的適應(yīng)度值提高了算法的收斂速度；在子種群重新混洗時引入元胞自動機策略，有效避免算法陷入局部最優(yōu)。
　　(3)將上述改進的SFLA算法與量子粒子群搜索策略結(jié)合，提出了基于量子粒子群局部搜索的新混洗蛙跳算法（QPSO-SFLA），從而提高了算法的局部搜索效率，加速算法的收斂。
　　(4)在CloudSim平臺上模擬云計算資源調(diào)度的過程及任務(wù)請求方式，對上述改進算法類進行了實驗驗證。