改进SFLA算法在云计算资源调度中的应用

改进SFLA算法在云计算资源调度中的应用

嵇可可

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。

改进SFLA算法在云计算资源调度中的应用

时间: 2024-10-07 18:45:05

改进SFLA算法在云计算资源调度中的应用的相关文章

基于改进克隆选择算法的云计算集群资源调度

基于改进克隆选择算法的云计算集群资源调度 朱利华  李春华  吴宽仁 为了实现云计算环境下的集群资源调度和实现资源负载平衡,提出了一种基于克隆选择算法的云计算集群资源调度方法.首先,定义了以最小化执行时间跨度和负载均衡因子为目标的云计算资源调度模型.在此基础上提出了一种采用克隆选择算法对云计算环境下集群资源进行调度的方法,对抗体编码方式,抗体与抗体之间以及抗体与抗原之间的亲和度函数.免疫克隆算子.退火交叉算子以及高斯变异算子均进行了设计.并定义了采用改进的克隆选择算法进行集群资源调度的具体算法.

基于改进量子遗传算法的云计算资源调度

基于改进量子遗传算法的云计算资源调度 刘卫宁 靳洪兵 刘波 针对云计算环境下资源的高效调度问题,当前研究较少关注云服务提供商的服务成本,为此,以云服务提供商降低最小服务成本为目的,提出了改进量子遗传算法的云资源调度算法.由于采用二进制量子位表示的染色体无法描述 资源调度矩阵,该算法将量子位的二进制编码转换为实数编码,并使用旋转策略和变异算子保证算法的收敛性.通过仿真实验平台将此算法与遗传算法和粒子群算法 进行比较分析,在种群迭代次数为100的情况下,分别取种群数为1和10,实验结果表明该算法能取

云计算环境中的资源调度策略研究及仿真分析

云计算环境中的资源调度策略研究及仿真分析 浙江师范大学 王梅 本文的任务调度研究内容基于Map/Reduce思想的第二部分,并且就虚拟机迁移这两方面作了工作:(1)任务调度算法优化,本文主要研究是如何合理地将各个子任务分配给虚拟资源,以提高任务的总体完成时间.首先将云环境资源建模成遗传优化和蚁群优化的任务调度算法优化问题,将任务进行分类后利用改进的遗传算法求得初始解,再将初始解代入改进的蚁群算法,求得最优解.结合遗传优化算法全局优化能力和蚁群优化算法的局部优化能力,通过Cloudsim进行仿真验

应用数据挖掘算法检测云计算中的DDoS攻击

应用数据挖掘算法检测云计算中的DDoS攻击 李博 宋广军 DDoS攻击给当前网络安全造成了极大威胁,在分析归纳DDoS攻击特征的基础上,针对在云计算中DDoS攻击的特点,设计出基于云计算的DDoS攻击入侵检测模型,将Apriori算法与K-means聚类算法相结合应用到入侵检测模型中.实验表明,在云计算中运用数据挖掘算法建立的入侵检测模型能实时自动准确地检测DDoS攻击. 应用数据挖掘算法检测云计算中的DDoS攻击

基于蚁群算法的云计算联盟资源调度

基于蚁群算法的云计算联盟资源调度 陈冬林 姚梦迪  桂雁军  陈玲 针对目前云计算联盟的架构和单云环境下资源调度的研究缺少对云计算联盟下的资源调度问题的研究情况,建立了由云用户.云服务供应商和云联盟协调器组成的云计算联盟资源调度模型,为达到云供应商利益最大化,设计了任务-虚拟机-数据中心的调度算法,利用蚁群算法进行模型求解,并通过Cloudsim仿真软件证实了该算法的合理性,验证了供应商资源的数据中心负载率在60%-80%之间时达到均衡,并可获得最大利益. 基于蚁群算法的云计算联盟资源调度

基于Kendall’s τ的连接函数分布估计算法求解云计算中SaaS部署问题

基于Kendall's τ的连接函数分布估计算法求解云计算中SaaS部署问题 高鹰: 黄德龙: 姚熊伟: 黄翔 分布估计算法的性能高度依赖于如何估计和采样概率分布,连接函数(Copula)是构建概率分布模型的强有力的工具.论文给出了一个基于Kendall's τ的正态连接函数分布估计算法,算法通过估计Kendall's τ和利用Kendall's τ与相关矩阵的关系首先估计正态连接函数中的相关矩阵,由此估计出联合分布.然后,Cholesky分解算法被用于该矩阵生成新的个体.由于正态连接函数的简单

云计算环境中优化遗传算法的资源调度策略

云计算环境中优化遗传算法的资源调度策略 崇阳 资源调度是云计算的核心问题,传统的遗传算法虽然可以用于云计算环境中的资源调度,但是由于传统遗传算法存在收敛慢.易早熟等特点,所以这种算法并不适应于多聚类环境下的密集型任务调度.基于此,我们提出了云计算环境中优化遗传算法的资源调度策略以弥补传统遗传算法的不足.本文主要通过对云计算概念的介绍以及如何优化遗传算法的资源调度策略来展开讨论. 云计算环境中优化遗传算法的资源调度策略

基于QPSFLA算法的云计算环境资源调度策略

基于QPSFLA算法的云计算环境资源调度策略 贺智明 张扬 高林 针对云计算环境下的资源调度优化问题,提出了一种基于量子粒子群策略的混洗蛙跳改进算法(简称QPSFLA算法),旨在引入量子粒子群搜索策略防止传统混洗蛙跳算法容易陷入局部最优的问题.在CloudSim平台上的模拟试验结果表明,QPSFLA算法能够达到预期效果,而且比平台自带算法和传统混洗蛙跳算法效率更高. 基于QPSFLA算法的云计算环境资源调度策略

《数学与泛型编程:高效编程的奥秘》一2.2 改进该算法

2.2 改进该算法 从加法的执行次数上面来看,multiply1函数确实做得不错,但它毕竟执行了?log n?次递归调用.由于函数调用的开销很大,因此我们想把程序中的递归调用去掉,以避免此类开销. 在对函数进行转化时,我们所秉持的一项理念是:通用的工作实现起来经常比具体的工作还要简单(It is often easier to do more work rather than less.).就本例来说,我们要按照下面这种通用的方式进行计算: r + na 其中的r是一个会在运算过程中持续更新的值