论文部分内容阅读
当今时代网络技术的迅猛发展和对海量数据处理能力的迫切需求促进了云计算的发展。作为一种新型的计算模式，云计算具有很多传统计算模式所不具备的优点，因此受到工业界和学术界的广泛关注。云计算利用虚拟化技术将异构多样的资源整合成了统一的逻辑资源池，屏蔽了资源之间的差异性，并共同对外提供服务，用户只需按需取用并支付使用期间所产生的费用。随着云数据中心规模的持续扩大和云用户数量的不断增加，云环境下的任务调度直接影响到用户的服务体验和云数据中心的运行效率。为促进云计算的可持续发展、提升用户体验，制定高效合理的任务调度策略是十分必要的。 为了更好地利用虚拟计算资源，高效地完成服务需求，本文对基于多尺度量子谐振子算法(MQHOA)的云计算任务调度策略进行研究，所做的主要工作和创新包括如下几点: (1)提出了一种基于MQHOA算法的云任务调度策略。首先，该算法将每一个任务分配调度方案当成一个采样位置，在同一尺度下，多个采样位置会在高斯采样范围内搜索局部最优解;其次，当算法达到能级稳定状态后，算法进入能级下降过程并替换最坏的调度方案;最后，算法高斯采样的范围收缩，算法进入范围更小的区域搜索，经过多次迭代之后，算法定位最优解位置。相比其他智能优化算法，MQHOA算法具有数学结构简单，控制参数少等特点，在多样化的任务调度需求中，适应性更强。通过在仿真平台CloudSim进行实验，与现有的粒子群算法(PSO)和先来先服务(FCFS)算法对比，MQHOA算法至少减少了10％的总任务完成时间，同时至少降低0.4的负载不均值。实验结果表明，MQHOA算法有良好的全局收敛性和自适应能力，能够快速收敛，在云计算任务调度过程中能起到减少总任务完成时间和负载均衡的作用。 (2)针对云计算任务调度的多QoS约束问题，对多QoS约束进行处理有两种常用方法，在分析了基于Pareto解的多目标优化法无法解决MQHOA算法能级稳定过程的比较替换之后，将多QoS约束问题转化为单目标问题，使用罚函数法处理约束，对于多目标则加权处理。针对MQHOA算法在求解云计算任务调度过程中收敛过快和能级下降过程替换操作丢失解空间信息的缺点，在MQHOA算法中增加扰动和替换集机制。扰动机制使算法在能级稳定过程中有一定概率接受劣质解，避免算法陷入局部最优，替换集机制使算法在整个迭代过程中一直记录全局的最优的几个解，保留了解空间的信息。通过在CloudSim上进行仿真实验，得到改进MQHOA算法的扰动强度和替换集大小的最优参数，之后对于云计算任务调度的多QoS约束问题转化的单目标函数求解，相比MQHOA算法与自适应遗传算法(AGA)，改进MQHOA算法能够有效的降低截止时间违背率，并能保证目标函数值相对较小。