改進混合蛙跳算法在云資源調(diào)度中的應用.pdf

1、云計算已經(jīng)成為當前家喻戶曉的一個科技熱詞，同時也成為學術界和產(chǎn)業(yè)界的熱點研究問題，云計算技術虛擬化了所有資源，把這些資源放在一個巨大的資源池，并且把這些資源透明化的提供給用戶滿足需求，所以資源的虛擬化映射在應用層和虛擬資源層的之間的虛擬映射成為云計算的一個關鍵問題。如何找到一個合理的分配方案，成為資源調(diào)度的關鍵。很多研究人員，在近幾年，已經(jīng)做了很多的工作，提出了一系列資源調(diào)度相關策略。由于混合蛙跳算法出現(xiàn)時間短，很多理論基礎和參數(shù)設置還

2、不是很成熟，所以把混合蛙跳算法應用到云計算資源調(diào)度中的研究還不是太多，現(xiàn)有的算法及一些改進的算法，在一定程度上都存在一定的缺點和不足，沒有在種群初始化上做研究來提高種群的解的質(zhì)量，最差個體移動步長比較單一，易陷入局部最優(yōu)等問題。
　　本文針對混合蛙跳算法應用在云計算資源調(diào)度中存在的收斂速度和尋優(yōu)能力不佳的問題，為了提高收斂速度和尋優(yōu)能力，縮短完成任務的時間，提出了改進的混合蛙跳算法，主要做了三個方面的改進。在種群初始化中，采用經(jīng)典

3、的Min-Min算法和隨機方式生成初始化種群規(guī)模，很大程度上提高了初始解的質(zhì)量，保持了種群多樣性，可以間接的縮短任務完成時間；在局部搜索策略中，原有的算法是單一的移動步長公式，可能導致最差青蛙個體更新后還是子群內(nèi)最差個體，所以引入平均適應度值的概念，通過判斷子群內(nèi)青蛙個體的適應度值與平均適應度值的大小關系，來確定最差青蛙個體的移動步長公式，更新最差青蛙的位置，避免了盲目搜索，使群體收斂速度更快，尋優(yōu)能力更好；在全局混合操作中，引入遺傳算

4、法的交叉思想，在子群間青蛙混合進行文化信息交流時，對子群內(nèi)局部最優(yōu)解和全局最優(yōu)解，采用合適的交叉控制參數(shù)進行交叉操作，結(jié)果保留較優(yōu)個體，一來子代繼承了父代的優(yōu)秀基因，一定程度上提高解的質(zhì)量，二來可以使算法避免陷入局部最優(yōu)。在實際生活中，用戶任務需求量很大，而資源量有限，所以時間短，速度快的算法更適合這種有條件限制的情況。
　　最后在云計算仿真平臺CloudSim上模擬本文算法。實驗中，由于混合蛙跳算法本身概念比較新，參數(shù)設置上不像