检索结果-南通市图书馆

基于社会学习算法的函数优化与云任务调度方法研究

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于社会学习算法的函数优化与云任务调度方法研究

作者：秦靖萱河南理工大学

学位级别：硕士

群体智能算法作为人工智能的一个分支,一直是计算机领域的研究热点。该类算法在求解函数优化问题与离散型云任务调度问题时取得了较好的表现,已经成为求解这两类问题的主要方法。近年来,国内外学者通过模拟不同种类动物的协作行为,提出... 详细信息

群体智能算法作为人工智能的一个分支,一直是计算机领域的研究热点。该类算法在求解函数优化问题与离散型云任务调度问题时取得了较好的表现,已经成为求解这两类问题的主要方法。近年来,国内外学者通过模拟不同种类动物的协作行为,提出了多种群体智能算法,然而这些算法中的个体缺乏学习能力,影响了它们求解优化问题的性能。因此如何提升群体智能算法求解这两类问题的性能成为一个关键科学问题。社会学习算法范型(Social Learning Optimization Algorithm,SLO)是一种模拟人类社会智能演化过程的新型群体智能算法,符合人类社会智能演化的自然规律。SLO算法的模拟对象是具有最高智能水平的人类社会,并且引入了学习机制,具有较好的优化能力。目前,关于SLO算法的研究与应用工作还比较少,为了更加高效地求解函数优化与云任务调度的算法,本文基于社会学习算法范型,针对函数优化与云任务优化调度问题的特征,设计了具体的优化操作,形成用于求解这两类优化问题的改进型SLO算法;通过与其他算法对比,得出本文所提出的方法具有较好的全局寻优能力与收敛速度,能够有效提高问题的求解精度。本文的主要研究工作有以下两点:1.面向函数优化的社会学习算法研究。针对函数优化问题,基于SLO范型,提出了面向函数优化的社会学习算法。结合函数优化问题的特性,分别设计了社会学习算法中三层进化空间的操作算子;在观察学习操作算子中加入惯性权重与学习保留因子,在一定程度上增加种群多样性,加速种群收敛速度;模仿学习中采用变动的步长控制减少优秀个体模仿学习的干扰。最后通过实验结果表明,本文所提出的面向函数优化的SLO算法在求解函数优化问题时具有较好的性能。2.基于改进SLO算法的云任务调度方法研究。本文首先对云任务调度问题进行了数学建模,通过分析该问题的特点,利用Small Position Value(SPV)方法对问题的解空间进行了映射,并设计了用于云任务调度的操作算子,形成了用于求解云任务优化调度问题的改进型社会学习算法;最后,基于Cloud Sim仿真实验平台对本文所提出的方法进行验证与分析,通过与已有的研究工作相比,得出改进的SLO算法在求解该问题时具有较好的效果。

关键词：函数优化群体智能算法社会学习算法云任务调度

基于深度强化学习的高效能云任务调度算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度强化学习的高效能云任务调度算法研究

作者：冉龙宇中国科学院大学(中国科学院重庆绿色智能技术研究院)

学位级别：硕士

云计算是现代信息社会重要的基础设施,云任务调度作为云计算中最重要的一项技术,直接关乎用户和云服务提供商的利益。传统的云任务调度算法往往采用固定的策略进行调度,这类算法实现简单,同时拥有较高的调度效率,在一定程度上解决了离... 详细信息

云计算是现代信息社会重要的基础设施,云任务调度作为云计算中最重要的一项技术,直接关乎用户和云服务提供商的利益。传统的云任务调度算法往往采用固定的策略进行调度,这类算法实现简单,同时拥有较高的调度效率,在一定程度上解决了离线任务调度问题。随着云计算的广泛应用和任务调度规模日益增加,在线任务调度存在数据中心集群高异构性、集群运行环境和任务提交数量高波动性、优化目标多样性等问题,传统的算法不能够动态的改变自己的调度策略来高效的进行在线任务调度。近年来,深度强化学习在理论研究上取得了巨大的成功,本文旨在研究基于深度强化学习的云任务调度算法来改善上面的问题。本文的主要内容及贡献如下:1)在单数据中心任务调度的场景下,针对数据中心集群高异构性问题,本文通过对深度强化学习中智能体的动作、状态和奖励进行建模,提出了基于改进深度Q学习算法的云任务调度算法。为了增强智能体的探索能力,算法中使用了Boltzmann动作探索策略对传统的动作探索策略进行改进。在模拟数据集上的实验显示,该算法拥有良好的收敛性,CPU利用率标准差降低了6.7%,有效促进了集群负载均衡,任务的指令响应时间比提升了5.3%,实现了高效能的云任务调度;2)针对云计算中任务的高波动性、高不确定性,本文考虑了多个任务之间的相关性,每次对多个任务同时进行调度,但是在强化学习中,这会导致智能体的状态空间爆炸,因此,本文提出了基于改进深度确定性策略梯度算法的任务调度算法。为了满足集群负载均衡的优化目标,算法中使用最早任务调度算法来改进动作探索策略。在离线训练Actor网络时,存在收敛速度慢的问题,本文添加了一个有监督的训练方法来加快算法的收敛速度。在阿里云的集群跟踪数据上进行的实验显示,该算法的指令响应时间比提升了3.3%,有效提升了多个任务同时调度时的效率;3)在多数据中心任务调度的场景下,针对多目标优化问题,本文使用成本感知的动作策略改进了原始的深度确定性策略梯度算法。在阿里云的集群跟踪数据上进行的实验显示,该算法在保证任务指令响应时间比和集群负载均衡的情况下,平均每小时降低了1.3元的集群使用成本,有效解决了多目标优化问题;4)本文参考开源云计算仿真平台CloudSim Plus,自主设计实现了Python语言版的云任务调度仿真系统,有效提升了仿真实验的速度和便捷性。

关键词：深度强化学习云计算云任务调度 DQN DDPG

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多目标优化的云任务调度算法研究

基于多目标优化的云任务调度算法研究

作者：韩于芳兰州理工大学

学位级别：硕士

云计算作为当前研究应用最广泛的商业化分布式计算技术,具有庞大的服务器规模和用户群体,系统需要频繁地对云环境下的各种任务进行调度以及管理。针对云环境下执行时间和执行费用的调度是一个NP-hard的多目标组合优化问题,而目前的云任... 详细信息

云计算作为当前研究应用最广泛的商业化分布式计算技术,具有庞大的服务器规模和用户群体,系统需要频繁地对云环境下的各种任务进行调度以及管理。针对云环境下执行时间和执行费用的调度是一个NP-hard的多目标组合优化问题,而目前的云任务调度一般采用的是带有约束的执行费用或者执行时间的单目标优化的启发式调度方法,不能完全满足带有负载均衡的复杂云系统下的多用户执行时间和执行费用的多样化需求。因此,在多目标优化的基础上,对云环境下的任务调度算法进行研究,有着极其重要的意义。本文通过分析云任务的特点,改进了云任务模型,并选取执行时间、执行费用以及负载均衡为优化目标,对云任务的调度过程进行了优化,基于此多目标优化,在云环境下建立了云任务调度模型,主要的研究工作如下:1)针对云环境下任务需求多样化的特点,分析了云计算的概念、体系结构以及技术特点,改进了云任务模型,引入了多目标优化的概念。2)针对混合云任务的调度要求,选取云用户所关注的执行时间和执行费用以及云服务提供商所关注的负载均衡这三个目标,作为云环境下任务调度的优化目标,建立了能够处理此混合云任务的多目标优化的云任务调度模型。3)针对云环境的动态变化以及云任务调度的特点,对蚁群遗传算法进行了改进,在此基础上提出了基于自适应遗传蚁群算法的多目标云任务调度算法,该算法既发挥了遗传算法较好的全局搜索能力,又综合了蚁群算法较高的求解精度,避免了遗传算法后期局部求解能力的不足和蚁群优化算法初始信息素的缺乏而导致搜索效率低下的缺陷,通过Cloud Sim仿真平台验证了,该算法在云用户所关注的执行时间和执行费用这两个目标问题以及云服务提供商所关注的负载均衡方面均具有明显的优势。4)针对遗传算法和大规模云任务调度的问题,改进了文化基因算法,引入爬山和禁忌搜索这两种局部启发式算法,充分地利用遗传算法较好的全局寻优能力以及爬山算法和禁忌搜索算法较强的局部寻优能力的优势,避免了遗传算法后期局部求解能力的不足以及爬山算法和禁忌搜索算法较弱的全局寻优能力的缺点,最后在CloudSim仿真平台上验证了本文提出的基于禁忌搜索算法的文化基因算法,在大规模云任务调度环境中,表现出更高的执行效率和更好的负载均衡。

关键词：云计算云任务调度多目标优化优化运行遗传算法蚁群算法文化基因算法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于微粒群算法的混合云任务调度研究

基于微粒群算法的混合云任务调度研究

作者：张国香北京邮电大学

学位级别：硕士

由于云计算提供的服务具有廉价性、灵活性和易于扩展等优点,越来越多的企业和个人选择租用基础设施即服务(IaaS)来支撑自己的业务。作为其他云服务的基石,IaaS在云计算中起着基础和支撑作用。然而,当面临大量的用户请求,特别是用户需求... 详细信息

由于云计算提供的服务具有廉价性、灵活性和易于扩展等优点,越来越多的企业和个人选择租用基础设施即服务(IaaS)来支撑自己的业务。作为其他云服务的基石,IaaS在云计算中起着基础和支撑作用。然而,当面临大量的用户请求,特别是用户需求高峰到来时,云的本地资源不足,如何调度任务从而满足所有用户的请求成为IaaS云提供商面临的重大挑战之一。为了解决云提供商本地资源不足的问题,之前的研究思路集中在购买大量的设备或者构建云联盟上。但是,前者的缺点是非常不经济,而后者缺乏实现基础。为了更好地解决上述问题,本文提出了一种混合云的架构。在此架构下,当资源不足时,IaaS提供商可以外包任务到其外部公有云中,从而避免像云联盟一样与外部公有云签订任何协议或者制定统一标准。在这一过程中,如何分配任务,使得IaaS云提供商在保证服务质量(QoS)的同时利润最大化是现在面临的关键问题。本文采用整数规划模型和基于自适应PSO算法的任务调度算法来解决这一问题。自适应PSO算法采用四种速度更新策略来自适应地更新每个粒子的速度,从而提高自适应PSO算法的多样性和鲁棒性。按照任务和环境的特点,本文研究了混合云的静态和动态任务调度问题对于静态任务调度,本文设计了小规模问题1和大规模问题2和问题3,通过对基于自适应PSO的调度算法与基于标准PSO的调度算法以及精确算法(CPLEX)的结果进行比较,实验证明基于自适应PSO的调度算法非常有效。相比于标准PSO的调度算法,对于问题1、2、3,基于自适应PSO的调度算法将利润分别提高了0.25%,11.56%,2.26%;相比于CPLEX,对于大规模的问题(问题2和3),基于标准PSO的调度算法将利润分别提高了16.71%和2.37%。对于动态任务调度,本文提出了一种动态的任务调度流程,并采用动态自适应PSO解决,并与使用基于静态自适应PSO的解决动态调度的结果进行了比较,发现动态自适应PSO在绝大多数进化阶段的初始世代就具有较高的适应值,证明动态自适应PSO有效地利用了上一次进化优化后的种群,说明动态自适应PSO在解决动态问题具有优越性。

关键词： IaaS 云任务调度混合云粒子群算法自适应学习

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于人工蜂群算法的云任务调度研究

基于人工蜂群算法的云任务调度研究

作者：李蓉蓉合肥工业大学

学位级别：硕士

现今企业所面临的数据和用户量与日俱增,各个行业的业务系统的并发访问流量、数据存储和管理压力都超过过去的企业,这些“大用户、大数据和大系统”问题成为了云计算发展的必然条件。随着信息技术的发展,云计算成为解决信息社会大数据... 详细信息

现今企业所面临的数据和用户量与日俱增,各个行业的业务系统的并发访问流量、数据存储和管理压力都超过过去的企业,这些“大用户、大数据和大系统”问题成为了云计算发展的必然条件。随着信息技术的发展,云计算成为解决信息社会大数据挑战的重要方案,云计算应用对虚拟资源的服务质量要求也越来越高。云任务调度问题是影响虚拟资源服务质量的关键问题之一,已经成为研究热点。其中群智能算法是求解最优问题的一种重要分析方法,近年来在调度问题取得了较好的应用效果。本文首先针对现今云计算任务调度只考虑单目标和云计算应用对虚拟资源的服务质量要求高等问题,综合考虑用户最短等待时间、资源负载均衡和经济原则,从理论上建立了考虑双方的云任务调度的多目标数学模型,更加贴近于现实。其次结合偏好满意度策略并引入局部搜索算子和改变侦察蜂搜索方式,提出多目标离散型人工蜂群(MDABC)算法的优化策略。通过不同的云任务调度仿真实验,显示了改进离散人工蜂群算法相对于基础离散人工蜂群算法、遗传算法以及经典贪心算法,能够得到较高的综合满意度,表明了改进离散人工蜂群算法能够更好地改善虚拟资源中云任务调度系统的性能,具有一定的普适性。最后对算法进行分析,一定程度上证明算法的稳定性。

关键词：云任务调度离散人工蜂群算法云计算优化策略偏好满意度策略

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于改进天牛群算法的多目标云任务调度研究

基于改进天牛群算法的多目标云任务调度研究

作者：王兴康江西理工大学

学位级别：硕士

随着如今社会信息化快速发展,云移动互联网、物联网等互联网的新形态都将依赖云计算技术。在云计算中,云任务调度是能够充分利用云平台资源集,为云用户提供更加高效、合理服务的重中之重。一个优秀的调度策略既能够为云用户带来良好体... 详细信息

随着如今社会信息化快速发展,云移动互联网、物联网等互联网的新形态都将依赖云计算技术。在云计算中,云任务调度是能够充分利用云平台资源集,为云用户提供更加高效、合理服务的重中之重。一个优秀的调度策略既能够为云用户带来良好体验的同时又能满足云服务商的利益需求。本文主要通过对天牛群智能算法进行一系列改进后,对云计算任务调度过程中的调度时间、使用费用进行多目标优化,主要研究内容如下:(1)首先介绍了云计算任务调度的背景以及研究现状,然后解释了云计算以及任务调度的概念、体系结构、关键技术,分析了云任务调度的原理、优化参数和经典的任务调度算法,并且对云任务调度仿真软件进行介绍。(2)本文以云任务调度过程中的完成时间、使用费用为优化目标,提出了基于改进的天牛群算法的多目标优化云任务调度算法。在天牛群算法的基础上通过对天牛群算法中的速度权重因子、步长进行自适应改变进而提高算法的搜索能力;通过增加奇兵探索策略来提高算法跳出局部最优困境的能力;利用对群体、个体学习因子适应性调整来提高天牛的搜索效率。实验结果表明,当云任务数量和虚拟机数量逐渐增加时,改进天牛群算法在优化云任务调度过程中的任务完成时间、调度使用费用方面均优于对比算法,具有较为显著的优化效果。(3)本文针对云任务调度中虚拟机的实时计算能力会随着自身接收云任务的增减而不断改变的特点,以所有云用户的完成时间、使用费用为优化目标,提出天牛烟花融合算法对引入纳什均衡理论的云任务调度过程进行优化。将烟花算法中的爆炸因子和爆炸半径引入天牛群算法中,再通过合理的选择策略提升融合算法的搜索能力;而且在云任务的调度过程中引入纳什均衡原理,将每个云用户作为一方博弈者,利用虚拟机实时计算能力的动态变化反馈结果,使得天牛烟花算法为各个云用户提供合理的调度策略进行博弈。实验结果表明,随着云系统虚拟机数量的增加以及虚拟机异构程度的加大,改进算法能够兼顾优化云任务调度过程中的完成时间、费用的同时有效降低云系统的负载均衡。

关键词：云任务调度天牛群算法天牛烟花算法纳什均衡理论多目标优化

基于改进NPGA算法的多目标优化云任务调度算法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

计算机与数字工程 2015年第7期43卷 1196-1201,1216页

作者：杨燕扬州职业大学扬州225009

随着云计算的不断发展,传统的单目标优化下的任务调度已经不能满足用户的服务质量要求。论文选取运行时间、费用和负载均衡建立多目标优化的云任务调度模型,提出一种改进的多目标小生境Pareto遗传算法(NPGA),采用相似任务序列交叉操作... 详细信息

随着云计算的不断发展,传统的单目标优化下的任务调度已经不能满足用户的服务质量要求。论文选取运行时间、费用和负载均衡建立多目标优化的云任务调度模型,提出一种改进的多目标小生境Pareto遗传算法(NPGA),采用相似任务序列交叉操作加快进化,再采用位移变异避免算法过早收敛。此外,通过自适应选取比较集合规模和小生境半径提高算法的收敛速度。仿真结果表明,改进后的NPGA算法在云调度中保持Pareto最优解的多样性和分布性更优。

关键词：多目标优化云任务调度小生镜Pareto遗传算法服务质量要求

基于多智能体强化学习的云任务调度算法优化与仿真

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于多智能体强化学习的云任务调度算法优化与仿真

第三十六届中国仿真大会

作者：董昌智车嵘陈颖聪国防科技大学信息通信学院酒泉卫星发射中心

为解决传统云任务调度策略无法在动态变化的云环境中有效响应计算资源的分配与优化问题,本文提出了一种基于多智能体强化学习的云任务调度算法优化方法,并进行了仿真验证。该方法充分利用多智能体系统的自治和协作特点,通过实时交互学... 详细信息

为解决传统云任务调度策略无法在动态变化的云环境中有效响应计算资源的分配与优化问题,本文提出了一种基于多智能体强化学习的云任务调度算法优化方法,并进行了仿真验证。该方法充分利用多智能体系统的自治和协作特点,通过实时交互学习和环境反馈,实现云计算资源的动态自适应分配。仿真实验采用python平台对所提算法进行验证,并与现有的云任务调度算法进行对比。实验结果显示,本文提出的多智能体强化学习调度算法,在最大任务完成时间、回报奖励值等多个性能指标上都展现出优势。

关键词：多智能体强化学习云任务调度算法优化仿真验证

来源： cnki会议评论

在线全文

cnki会议

学校读者我要写书评

暂无评论

一种基于振荡退火算法的云任务放置方法

江苏通信 2024年第1期40卷 65-70页

作者：孙晨辉赵莎莎刘志坚汪杰何广明杨姝中国移动通信集团江苏有限公司镇江分公司南京邮电大学

介绍了一种利用振荡式冷却参数模拟退火算法解决云任务放置的方法,随着互联网的快速发展,云端拥有了强大的处理能力,连接在其上的用户越来越多。本文结合元启发式算法能够较好解决NP-hard难题的优势,研究并分析了云环境下虚拟机对任务... 详细信息

介绍了一种利用振荡式冷却参数模拟退火算法解决云任务放置的方法,随着互联网的快速发展,云端拥有了强大的处理能力,连接在其上的用户越来越多。本文结合元启发式算法能够较好解决NP-hard难题的优势,研究并分析了云环境下虚拟机对任务的放置方法,根据模拟退火算法中降温函数中冷却参数的特性,提出了一种基于振荡退火算法的云任务放置方法。经实验证明,该方法所得结果优于经典模拟退火算法,缩短了系统完工时间。

关键词：云计算模拟退火算法云任务调度