共查询到20条相似文献，搜索用时 125 毫秒
1.
针对云计算中的任务调度的存在效率低的问题,首先分析了云计算任务调度目标,其次,对蚁群算法的信息素设置质量函数、对选择概率设置经验反馈因子进行了改进,对帝国竞争算法中的殖民地计算方式、边界值的处理都采用了新的方式,最后将两种算法进行融合,得到基于蚁群算法-帝国竞争算法的云计算任务调度算法,仿真实验中,在任务执行时间,执行成本和负载率方面,本文算法都具有一定的优越性。 相似文献
2.
针对云计算任务调度效率低的问题,将改进后的帝国算法用于云计算任务调度。首先提出了一种基于时间、成本和能耗的任务调度模型;其次在帝国算法的种群中采用Logistic映射进行初始化、优化了算法因子、引入蛙跳算法降低了帝国算法陷入局部最优;最后,在仿真实验中通过与基本帝国算法,蛙跳算法在小任务和大任务条件下的任务调度指标对比说明了优化后的帝国算法能够取得较好的效果。 相似文献
3.
针对粒子群算法在云计算任务调度中存在效率低等问题,提出在将鸡群算法引入到粒子群算法中,将粒子的分布按照鸡群算法中的公鸡,母鸡和小鸡来进行区分,同时对粒子的学习因子进行了改进,有效的避免算法陷入局部,收敛速度快的缺点,在云计算仿真平台中,将本文算法与粒子群算法,鸡群算法在虚拟机负载均衡,消耗成本和完成时间上进行对比都取得了一定的优势,说明本文算法能够有效的提高云计算任务调度效率。 相似文献
4.
5.
研究了云计算环境下的任务调度问题,通过构造云计算环境下的任务调度模型,提出了一种混合调度算法,该算法是蚁群算法与遗传算法的有机融合。其中的遗传算法采用间接编码方式,结合由遗传算法衍生出的优化解,对蚁群信息素的分布进行初始化处理,使遗传算法的快速搜索能力得到充分利用,并通过克服蚁群算法的起始信息素不足问题,加快了求解速度。云计算环境下的仿真实验结果表明,该混合算法是一种行之有效的任务调度算法。 相似文献
6.
7.
如何能够更好的通过数据仓库进行决策分析是云计算下的数据挖掘研究的重要组成部分,基于Hive的数据仓库是为了能够快速的查询数据,通过ETL任务资源与调度可以使得查询的消耗达到最小,但ETL是一种类似的NP问题,本文将萤火虫算法引入到ETL任务资源调度中,将萤火虫个体的最优与ETL最优任务调度进行对应。实验平台采用某地区的面料交易平台进行研究,实验说明本文算法能够有效的提高ETL访问效率,从而加快了Hive的访问速度。 相似文献
8.
9.
在一般的云计算作业调度算法中普遍存在因为执行作业增多而导致的执行速度较慢的问题。本文以此入手提出了以蚁群算法位基础的改进后的GT算法。改进后的算法首先初始化各个参数,之后借助于GT算法来寻求初始信息素,并把它变为蚁群算法的启发式信息。接着采用蚁群算法进行构造个体解和求解目标函数值的操作,最后进行任务调度工作。仿真试验结果表明,本文提出的基于蚁群算法的改进GT算法在云计算海量作业调度优化中,表现出了比标准GT算法更快的响应速度、更低的负载和更快的执行速度。 相似文献
10.
资源负载均衡是提高云计算资源调度效率的重要因素,为提高云计算中任务调度的效率,减少执行时间,针对传统的资源均衡算法在没有考虑到云计算环境下的资源节点安全性因素,复杂度高,效果不好的问题,提出一种引入安全性函数分形维特征重组的资源均衡算法。建立任务调度策略及资源均衡模型,构造任务调度所需要时间、费用、可靠性等方面的因素进行特征描述,对负载资源信息流的分形维信息特征提取,通过分层化状态重组,实现对资源负载的均衡处理,得到负载目标函数,提高任务处理效率。实验结果表明,该算法进行Cloud Sim平台下的负载云计算任务调度和负载资源均衡,能有效节省任务执行时间,降低计算开销,执行效率优越于其它算法。 相似文献
11.
针对云计算任务调度中存在效率低,提出了基于改进的蝙蝠算法(improved bat alogrithm,IBA)云任务调度.首先,建立了以执行时间和负载均衡的调度模型,其次在蝙蝠算法的初始化中采用混沌映射,提高了种群的多样性;在蝙蝠算法的自适应参数使用指数递减因子代替;在每一次迭代后使用量化正交交叉算子进行个体筛选.最后,在仿真实验中,IBA算法相比于蚁群算法、粒子群算法,蝙蝠算法都具有较好的调度效果. 相似文献
12.
为了提高云计算任务调度的效率,采用改进的SFLA算法实现任务调度。本文先对云计算任务调度原则和调度策略进行了分析,接着对SFLA算法基本原理及数学模型进行了详述,并提出了智能群体算法和自适应SFLA混合的改进SFLA算法,最后运用实例仿真验证该算法在云计算调度中的性能,与传统SFLA算法比较,改进算法在云计算调度中具有更快收敛性和更高精确性,具有一定的研究价值。 相似文献
13.
《科技通报》2015,(12)
实行虚拟机最优分配方案的准确挖掘能够提高云计算的服务质量(Qo S)。利用传统算法进行虚拟机最优分配方案挖掘的过程中,由于受到大量冗余数据的影响,造成挖掘效率降低。为此,提出一种基于蚁群算法的面向多通道Qo S需求的虚拟机分簇挖掘方法。根据虚拟机特征的相似度对虚拟机进行分簇,利用蚁群算法进行虚拟机最优分配方案的挖掘,在此过程中,充分考虑了多用户对云计算中虚拟机资源服务质量(Qo S)的要求,避免出现同类型虚拟机被分配到同一物理机上的情况,同时,对蚁群算法中信息素的更新进行了优化。实验结果表明,利用改进算法进行虚拟机最优分配方案挖掘,能够有效提高挖掘效率,并降低系统负载均衡度。 相似文献
14.
15.
16.
嵌入式设备中复合型任务最优调度约束模型仿真 总被引：1，自引：0，他引：1
《科技通报》2015,(8)
在ARM和Linux等嵌入式操作系统设计和应用中,为了优化进程管理和内存管理,提高嵌入式设备的运行效率,需要对复合型任务进行最优调度策略规划。提出一种改进的嵌入式设备中复合型任务最优调度约束模型,设计粒子分集聚敛算法实现对嵌入式设备中复合型任务最优调度,和实现对任务调度约束模型的改进,通过进程管理子系统,完成进程的创建、中止、进程间的通信及任务调度,进行特征分解,得到调度迭代方程。采用模糊聚类策略对任务调度管理的数据信息进行约简,可以实现最小的运算量。实验表明,通过该最优调度约束模型,调度算法对整个调度过程的时间开销影响不大,由此提高了调度算法的活性能力,总执行时间节省10%左右,可以使CPU利用率达到100%,展示了其优越性。 相似文献
17.
18.
《科技通报》2017,(12)
资源调度是云计算的重要问题之一,调度策略对云系统性能及运营成本产生直接影响。为了更好满足用户需求,在云计算环境下对多样性资源,提出一种考虑性能及信任需求混合遗传和蚁群思想的负载均衡高效调度方法。依据云计算虚拟性和弹性化要求,提出二级调度策略,先从用户应用程序至虚拟机调度,按照用户多样化需求,将任务性能需求及信任需求作为考量情况,分别通过综合性能效益参数值及综合信任效益参数值描述用户性能需求和信任需求。第二级调度为将任务配置给虚拟资源,基于遗传和蚁群思想,将分类后的任务个体根据适度值大小排序,选取全局最优初始值,通过蚁群搜索获得局部最优解,从而完成多样性资源负载均衡调度过程。仿真实验证明,运用文中资源负载均衡调度方法能够提升云计算系统资源利用效率。 相似文献
19.
云平台中的作业调度算法一直以来都是研究的热点方向,本文首先描述了Hadoop平台,其次提出了将蚁群算法和差分算法引入到作业调度算法中,通过对信息素的改进,任务搜索,信息素更新操作等措施提高的蚁群算法的性能,将算法运用到作业调度算法,通过仿真实验说明本文的算法与基本蚁群算法相比,在作业任务计算总代价,任务完成时间,经济成本平均值方面都有明显的提高,同时降低了负载均衡,提高了资源利用率。 相似文献
20.
为了解决同构多核心处理器任务调度中空调度、无用调度过多,效率较低的问题.提出一种基于反馈约束神经网络的同构多核心处理器任务调度算法.以处理器调度任务完成时间最短为优化目标,建立一个反馈约束的处理器任务调度数学模型,然后采用神经网络算法对其进行求解,并通过有效的约束机制保障计算结果陷入局部最小.计算机仿真测试表明,约束神经网络算法可以获得的同构多核心处理器多任务调度的最优方案,具有一定应用价值. 相似文献