论文部分内容阅读
云计算是一种新型的商业计算模型,它通过网络进行连接,能够获得各种应用、数据和IT服务。云计算的核心,是根据用户的需求,对云环境中的资源和用户提交的任务进行统一的调度和管理,而用户只需要按需付费。因而在云服务中,如何满足不同用户对服务质量(QoS)的不同需求,是云计算调度必须要考虑的重要问题。遗传算法是一种进化算法,它借鉴生物界的进化思想和自然界中“优胜劣汰”的自然选择机制,是一种全局优化搜索算法。遗传算法由于其本身所具备的并行性和全局解空间搜索的特点,被引入到了大规模集群系统的资源调度中。本文以用户对服务质量的需求为出发点,通过权重向量的设置,综合考虑不同用户对作业完成时间、带宽、可靠性和费用等4个因素的不同需求,设计基于用户满意度的适应度函数,以保证服务质量。针对遗传算法存在的“早熟”问题,本文采用模拟退火算法对其进行优化。模拟退火算法借鉴物理上固体退火的机理,具有能够跳出局部最优解的特性,是一种全局最优算法。然而,它存在对整个搜索空间的情况了解不多的缺点。将遗传算法和模拟退火算法结合起来,能够充分发挥两者的优势,弥补二者的不足,提高算法性能。本文在遗传算法产生新个体的过程中引入模拟退火算子,根据模拟退火算法中的Metropolis准则来决定是否接受遗传算法产生的新个体,在保证种群多样性的同时,也使种群能够逐步进化。本文还介绍了云仿真工具CloudSim,并配置了实验环境。在CloudSim仿真平台上,对本文所设计的遗传算法和模拟退火算法优化后的遗传算法进行了仿真实验。通过与基本遗传算法进行实验比较,表明本文设计的遗传算法能够更好地满足不同用户对云服务质量的不同需求。通过对优化前后两种遗传算法以及CloudSim自带的随机分配算法RA和轮询算法RR之间的实验结果对比,表明采用模拟退火算子对算法进行优化后,算法性能有所改善。