云計算環(huán)境下智能優(yōu)化算法及其在SaaS中的應(yīng)用研究.pdf

1、云計算是虛擬化(Virtualization)、效用計算(Utility Computing)、基礎(chǔ)設(shè)施作為服務(wù)IaaS(Infrastrctureasa Service)、平臺作為服務(wù)PaaS（Platformasa Service）和軟件作為服務(wù)SaaS(Softwareasa Service)等概念混合演進并躍升的結(jié)果。
　　 SaaS認(rèn)為軟件的實質(zhì)是服務(wù)，用戶對軟件的需求實際上是對應(yīng)用服務(wù)的需求，而用戶使用軟件實際上是在

2、消費應(yīng)用服務(wù)。與傳統(tǒng)軟件相比，SaaS服務(wù)依托于軟件和互聯(lián)網(wǎng)，不論從技術(shù)角度還是商務(wù)角度都有著不同的特性:互聯(lián)網(wǎng)特性、服務(wù)特性、企業(yè)按需使用特性、企業(yè)快速部署特性等。
　　 目前，和聲搜索算法和蟻群算法在SaaS中研究與應(yīng)用已取得了一些有價值的研究成果，但多是以集中式串行的模式，將和聲搜索算法和蟻群算法并行化研究較少。SaaS平臺中應(yīng)用服務(wù)的數(shù)量及類型、服務(wù)的租戶數(shù)目及信息數(shù)據(jù)量呈幾何曲線性增長，同時每個服務(wù)的功能單一又動態(tài)地變

3、化，不能滿足用戶日益復(fù)雜的需求，這就對SaaS平臺中服務(wù)的智能化要求越來越高。
　　 為此，本文對云計算環(huán)境下智能優(yōu)化算法及其在SaaS中的應(yīng)用進行針對性地深入研究。論文主要研究內(nèi)容有:基于MapReduce的云和聲搜索算法，基于云和聲搜索算法的綜合SaaS部署問題研究、基于MapReduce的蟻群算法，基于MapReduce和多目標(biāo)蟻群算法的SaaS服務(wù)動態(tài)選擇問題研究等。主要研究工作和創(chuàng)新之處如下:
　　 1.基于M

4、apReduce的云和聲搜索算法
　　 對基本和聲搜索算法進行改進，提出了改進的和聲搜索算法、多目標(biāo)改進和聲搜索算法以及基于MapReduce的云和聲搜索算法。
　　 對基本云和聲搜索算法進行改進，利用Skyline方法對和聲記憶庫進行初始化，提高算法效率;利用理想點法尋找實際存在的最優(yōu)知識即服務(wù)組合，確保了解的有效性。
　　 在云計算平臺Hadoop下實現(xiàn)了基于QoS的知識即服務(wù)組合優(yōu)化問題的求解。利用HDFS

5、文件存儲以及MapReduce編程模型實現(xiàn)和聲搜索算法的并行化，定義Map、Reduce過程，提出云和聲搜索算法。
　　 2.基于云和聲搜索算法的綜合SaaS部署問題研究
　　 對SaaS服務(wù)在實際應(yīng)用中遇到的問題進行分析，在此基礎(chǔ)上建立SaaS部署問題的數(shù)學(xué)模型，并提出利用云和聲搜索算法進行問題的求解。在云計算平臺Hadoop下，定義云和聲搜索算法的Map、Reduce操作，同時對云和聲搜索算法進行改進，有效提高了算法

6、的效率，加快了SaaS服務(wù)部署問題求解速度。實驗結(jié)果表明改進云和聲搜索算法ICHS成功解決SaaS部署問題，并具有較優(yōu)的性能。
　　 3.基于MapReduce的蟻群算法
　　 提出基于MapReduce的蟻群算法，該算法能充分發(fā)揮云計算分布式、并行化的特點，充分利用云計算強大的計算和存儲能力，為在云計算環(huán)境中問題的智能化并行化分布式求解提供新思路和新方法，同時促進云計算的智能化發(fā)展。
　　 提出基于MapRed

7、uce的改進蟻群算法。將分治思想和模擬退火算法融入蟻群算法，來改進其缺陷。并將基于MapReduce的改進蟻群算法應(yīng)用于求解旅行商問題(TSP)來驗證算法的可行性、有效性、收斂性、擴展性和時間開銷。
　　 4.基于MapReduce和多目標(biāo)蟻群算法的SaaS服務(wù)動態(tài)選擇算法
　　 提出SaaS中基于MapReduce和多目標(biāo)蟻群算法的服務(wù)動態(tài)選擇算法。該算法采用半自動方式和基于QoS全局最優(yōu)的多目標(biāo)服務(wù)選擇優(yōu)化方案來研究