多Agent遗传算法在云计算资源调度中的应用研究

论文摘要

当前,云计算与虚拟化技术发展迅速。云计算的重要意义在于为所有用户提供高性能、高可靠度的计算能力。故在云计算系统中,计算资源的调度是云计算中一个重要的组成部分,资源调度策略的好坏直接影响到整个云计算系统的性能。本文围绕基于多元化用户请求的云计算资源调度策略展开了理论与技术研究,并研究了当前开放的云计算系统中的资源组织形式以及云计算中主流的资源调度框架。另外,本文对遗传算法及其混合算法-多Agent遗传算法的理论基础及算法流程分别进行了研究,论述了遗传算法在解决高维优化问题时所存在的局限性。并通过实验,从优化结果和平均迭代次数两个方面论证了多Agent遗传算法在求解高维函数优化问题时比遗传算法具有更高的收敛速度以及更好的并行性,从而进一步证明了多Agent遗传算法更加适合于高维、大数据量优化问题的求解。最后,本文设计实现了基于虚拟化技术的云计算仿真系统,并在此基础上将多Agent遗传算法以及按请求分组的调度策略应用于云计算仿真系统上的资源调度策略中。然后通过三组实验,对多Agent遗传算法调度策略与传统的轮询法调度、Minmin调度进行了比较。实验结果表明,本文所设计的多Agent遗传算法在处理异构、虚拟化资源的调度时,能够更加全面的考虑到系统的综合性能,从而取得更加优越的均衡结果；另外在高负载的系统中多Agent遗传算法也有着较小的单点失效率。因此,将多Agent遗传算法用于基于虚拟化的云计算资源调度策略中是可行的、有效的。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景及意义
• 1.2 国内外研究现状
• 1.3 遗传算法与多Agent遗传算法概述
• 1.4 云计算及资源调度策略综述
• 1.5 论文完成的主要工作
• 1.6 章节安排
• 第二章 云计算与资源调度策略概述
• 2.1 云计算体系结构
• 2.2 虚拟化技术
• 2.3 云计算中资源调度的一般方法
• 2.3.1 在线资源调度算法
• 2.3.2 批处理资源调度算法
• 2.4 云计算中主流资源调度框架介绍
• 2.4.1 Condor调度框架
• 2.4.2 ISF调度框架
• 2.5 小结
• 第三章 遗传算法及多Agent遗传算法
• 3.1 进化计算
• 3.2 遗传算法
• 3.2.1 遗传算法的实现机制
• 3.2.2 模式定理
• 3.2.3 隐含并行性
• 3.3 遗传算法的局限性
• 3.4 多Agent遗传算法
• 3.4.1 多Agent系统
• 3.4.2 Agent的生存环境
• 3.4.3 邻域竞争操作算子
• 3.4.4 邻域正交交叉算子
• 3.4.5 变异算子
• 3.4.6 自学习算子
• 3.5 算法操作与性能比较
• 3.6 小结
• 第四章 基于多Agent遗传算法的资源调度策略的设计与实现
• 4.1 仿真平台框架设计
• 4.2 资源请求
• 4.3 资源探测与监控
• 4.4 基于多Agent遗传算法的资源调度策略的设计与实现
• 4.4.1 问题描述
• 4.4.2 适应度函数设计与实现
• 4.4.3 编码方案设计与实现
• 4.4.4 多Agent遗传操作
• 4.5 本系统所采用的其他资源调度策略
• 4.5.1 轮询调度
• min调度'>4.5.2 Min_min调度
• 4.6 小结
• 第五章 实验与分析
• 5.1 数据准备
• 5.2 多Agent遗传算法参数设置
• 5.3 实验结果比较
• 5.4 实验结果分析
• 5.5 小结
• 第六章 总结与展望
• 致谢
• 参考文献
• 附录 （攻读硕士学位期间发表的论文）
• 详细摘要