云計算下任務(wù)調(diào)度算法的研究與實現(xiàn).pdf

1、近年來，云計算蓬勃發(fā)展，其龐大的計算能力和便利的服務(wù)模式吸引著越來越多的機構(gòu)、研究人員和用戶對它進行研究和使用。云計算是由大量的共享資源和異構(gòu)資源所組成的分布式系統(tǒng)，具有龐大的計算能力，云計算資源具有分布廣泛、具有自我管理能力、異構(gòu)以及動態(tài)負載變化等特點，這些特點使得云計算環(huán)境中的任務(wù)調(diào)度相比傳統(tǒng)分布式環(huán)境中的任務(wù)調(diào)度面臨著更多復(fù)雜的問題。
　　任務(wù)調(diào)度主要是將任務(wù)分配到合適的資源節(jié)點上執(zhí)行，以滿足用戶對執(zhí)行時間、成本的需求。本文

2、針對任務(wù)調(diào)度中存在的執(zhí)行時間問題以及工作流任務(wù)處理問題開展以下工作：
　　首先，針對最小化任務(wù)執(zhí)行完成時間的問題，本文在鉆研現(xiàn)有研究成果后，提出在進行資源搜索之前，根據(jù)資源特征屬性對資源進行模糊聚類，將資源進行分類，減少資源搜索空間比較大帶來的搜索時間成本的問題；并在后續(xù)的任務(wù)調(diào)度過程中，提出預(yù)算和截止時間約束的異構(gòu)最早完成時間算法（Budget and Deadline Constraint Heterogeneous Earl

3、iest Finish Time，BDHEFT），以滿足用戶對任務(wù)調(diào)度的執(zhí)行時間、執(zhí)行成本的需求。實驗證明，本文提出的算法和策略能取得更好的效果。
　　其次，針對研究人員利用粒子群優(yōu)化算法（Particle Swarm Optimization，PSO）在云計算環(huán)境下進行任務(wù)調(diào)度過程中，對于工作流任務(wù)調(diào)度效果不盡人意的問題，本文在PSO算法中引入了工作流模型處理，將密集型任務(wù)合并，降低粒子維度；優(yōu)化了PSO算法關(guān)于粒子初始化與自適