版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、現(xiàn)今企業(yè)所面臨的數(shù)據(jù)和用戶量與日俱增,各個行業(yè)的業(yè)務(wù)系統(tǒng)的并發(fā)訪問流量、數(shù)據(jù)存儲和管理壓力都超過過去的企業(yè),這些“大用戶、大數(shù)據(jù)和大系統(tǒng)”問題成為了云計算發(fā)展的必然條件。隨著信息技術(shù)的發(fā)展,云計算成為解決信息社會大數(shù)據(jù)挑戰(zhàn)的重要方案,云計算應(yīng)用對虛擬資源的服務(wù)質(zhì)量要求也越來越高。云任務(wù)調(diào)度問題是影響虛擬資源服務(wù)質(zhì)量的關(guān)鍵問題之一,已經(jīng)成為研究熱點。其中群智能算法是求解最優(yōu)問題的一種重要分析方法,近年來在調(diào)度問題取得了較好的應(yīng)用效果。
2、r> 本文首先針對現(xiàn)今云計算任務(wù)調(diào)度只考慮單目標和云計算應(yīng)用對虛擬資源的服務(wù)質(zhì)量要求高等問題,綜合考慮用戶最短等待時間、資源負載均衡和經(jīng)濟原則,從理論上建立了考慮雙方的云任務(wù)調(diào)度的多目標數(shù)學模型,更加貼近于現(xiàn)實。其次結(jié)合偏好滿意度策略并引入局部搜索算子和改變偵察蜂搜索方式,提出多目標離散型人工蜂群(MDABC)算法的優(yōu)化策略。通過不同的云任務(wù)調(diào)度仿真實驗,顯示了改進離散人工蜂群算法相對于基礎(chǔ)離散人工蜂群算法、遺傳算法以及經(jīng)典貪心算法,
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于人工蜂群算法的云計算.pdf
- 基于人工蜂群算法的拖輪調(diào)度優(yōu)化.pdf
- 基于人工蜂群算法的Hadoop調(diào)度算法研究與改進.pdf
- 基于人工蜂群算法的分類算法研究.pdf
- 基于差分進化和人工蜂群算法的優(yōu)化調(diào)度.pdf
- 基于人工蜂群算法和粗糙模糊集相融合的網(wǎng)格任務(wù)調(diào)度研究.pdf
- 基于改進人工蜂群算法的聚類研究
- 基于改進人工蜂群算法的聚類研究.pdf
- 基于多目標混合人工蜂群算法的能效優(yōu)化調(diào)度研究.pdf
- 基于人工蜂群算法的大壩安全監(jiān)測.pdf
- 基于人工蜂群算法的約束優(yōu)化問題研究.pdf
- 人工蜂群算法的研究與改進.pdf
- 混合人工蜂群算法的改進研究.pdf
- 人工蜂群算法的研究與應(yīng)用.pdf
- 人工蜂群算法及其在調(diào)度問題中的應(yīng)用研究.pdf
- 基于人工蜂群算法的產(chǎn)品裝配規(guī)劃研究.pdf
- 基于人工蜂群算法的泵站運行優(yōu)化研究.pdf
- 基于人工蜂群算法的自動制圖綜合研究.pdf
- 基于反饋的多目標人工蜂群算法研究.pdf
- 人工蜂群算法的研究及其應(yīng)用.pdf
評論
0/150
提交評論