论文部分内容阅读
云计算可以认为是由一系列可伸缩的资源组成的资源池。云用户可以通过虚拟化技术动态的租用云中的资源。随着云数据中心的规模不断扩大和云用户数量的持续增加,如何更好的利用网络将不同地理位置上的资源进行整合,为云用户提供更为优质的一体化应用服务(即资源分配和任务调度问题),已经成为云计算亟待解决的问题之一。因此云环境下任务调度和资源分配问题已成为本领域的研究热点。本文的主要工作如下:(1)本文首先结合矩阵理论给出了云任务调度的数学描述,该数学描述主要包括了资源需求矩阵、资源提供矩阵、映射矩阵、联系矩阵和迁移矩阵等。在弥补云任务调度算法数学模型不够完善等不足的同时,也为本文中的多目标多任务调度算法提供了必要的理论基础。(2)对云环境下的任务调度和资源分配问题进行了分析。针对现有的云任务调度算法在优化目标和调度层次上相对单一的问题,本文将NSGA-II多目标进化算法引入到云任务调度领域,并给出了一种由全局监控模块、策略生成模块、迁移策略模块和放置模块组成的动态多目标多层次云任务调度模型。(3)针对传统多目标进化算法寻优能力较弱,容易陷入局部最优解的问题,本文将GEP算法的编码方式和操作方式进行改进,并将改进后的GEP算法与NSGA-II算法相结合,设计了一种新的基于改进GEP的NSGA-II多目标优化算法,提高了传统的NSGA-II算法的寻优效率。(4)针对帕累托最优解组因可读性较差而引起的进一步筛选问题,本文将由NSGA-II多目标算法得到的帕累托最优解组带入到ANP网络层次分析模型中去,使用户能够根据自身的需要和偏好灵活地对调度方案进行选择。综上所述,本文提出了一个动态的多目标多任务调度算法模型,完善了云任务调度算法的数学描述,将改进的GEP算法引入到了多目标优化算法中去,结合ANP模型对帕累托最优解组进行筛选,并进行了仿真实验。实验结果表明所提算法有效。