简介:关于算法计算方面的论文题目、论文提纲、算法计算论文开题报告、文献综述、参考文献的相关大学硕士和本科毕业论文。
厦门软件学院 福建厦门 361000
【摘 要】关于负载均衡问题的研究构成了现阶段云计算研究的热点.笔者从离散粒子群算法着手,对云计算环境里的负载均衡问题进行了简述.
计算算法的执行时间:“铺地锦”古算法，有意思的计算方法，自由人俱乐部制作，看看老外怎么做乘法。
【关键词】负载均衡；云计算；离散粒子群算法
现阶段,计算机发展过程中一个重要的前沿问题就是云计算问题,而关于负载均衡问题的研究则构成了云计算研究的热点.
1.对云计算负载均衡问题的描述
资源池是云计算的核心理念,但对云计算的资源分配来说,核心就在于调度算法,而云计算的调度指的则是数据中心里虚拟机间的负载均衡.如图1表示的是云计算任务的分配情况,主要包括三个不同的层次,即：资源管理层、任务的请求层以及任务的执行层[1].用户是任务请求层服务的主要对象,其主要的工作是实现系统和用户间的交互,并掌握用户的需求.借助于MapReduce,资源管理层可以将任务切割成很多子任务,这些任务并不存在逻辑上的关系,随后依靠负载均衡机制将子任务分配给恰当物理机里的虚拟资源节点,并完成相关的处理.在研究时,本文主要考虑的是切割后的子任务互相独立且并行处理的那些情况.要想合理的调度云计算资源,关键就在于资源管理层.在云计算的环境下,借助于虚拟化的技术将物理机分为不同的虚拟资源,此类虚拟资源具有自动增长的特征,且主要是根据需要来进行分配的,然而其自动增减量与分配量是决不能超出物理机节点自身的上限的.
2.云计算资源负载均衡模型
对负载均衡算法而言,要想获得准确的结果就必须具备相对均衡的处理能力.该均衡算法向内部中处理负荷分配服务请求(依据服务器 CPU的数量、型号、内存的大小和当前的连接数等换算而来)最轻的服务器.VLj(虚拟机的负载量）在计算时主要是根据虚拟机上已分配任务的预计执行时间,各个虚拟机负载的平均值就是主机的负载HLi,也就是：
公式（2）表示的是云环境里负载均衡的平均值,即AL；而公式（3）表示的是负载均衡的总标准差,即BL：
通过观察式（3）我们发现,负载均衡性与BL值的大小成反比,即BL的值越小,负载均衡性就越好,反之则越差.所以,minBL应当被视为负载均衡模型的目标函数[3].
资源负载均衡除应确保负载达到均衡之外,还需要确保任务执行时间跨度的最小化.任务执行时间跨度RT表示的是在资源R中任务T执行的整体时间[4].用式子表示就是：RT等于max﹛tei﹜－min﹛tsi﹜,max﹛tei﹜与min﹛tsi﹜表示的分别是任务集T里完成最后一个任务时的时间以及最开始执行首个任务时的时间.因此,minRT应当被视为该模型的另外的一个目标函数.
2.以DPSO算法为基础的云计算资源负载均衡算法
为使现实中所存在的优化离散空间的问题得到解决,我们提出了离散粒子群算法.离散粒子群算法是和粒子群算法有着根本区别的一种算法,其特征主要可以归结为两点,即：（1）二进制组成了粒子位置；（2）必须将粒子速度转换为概率.
资源负载均衡问题是一个非常有代表性的离散空间优化的问题,但在解决该问题时,如果想使用DPSO,就需要做相应的改进.从资源负载均衡问题的特征出发,对粒子的速度、位置及更新规则做重新的定义,同时调整其适应度值,在此基础上完成改进DPSO算法的工作.该算法主要包括下述步骤[5]：
（1）产生p0（初始种群）,对各参数做初始化处理,即size,maxg,k＝0；
（2）对P(k)每一粒子的适应度值F(xijk)进行计算,若低于此粒子历史的最优值,就是pBest；若高于种群的历史最优值,就是gBest∶
（3）参考改进后的粒子速度及位置的更新规则来完成更新工作；
（4）对是否达到最大的迭代次数maxg的问题进行判断,如果已经达到,那么就终止算法,将最优解输出；否则就要重复第2个步骤.
3.性能分析
参考云计算资源负载均衡的上述模型,并借鉴DPSO算法,依靠 CloudSim平台来完成模拟.在研究的过程中,笔者分析了50个计算资源构成系统调度50～500个独立任务构成的任务集时所得的结果,任务的跨度为50.将本文所设计的δ-DPSO算法和LBVS算法、MM-ACO算法进行了比较.取十次实验所得结果的平均数为实验记录.根据下式来设置算法参数,即：学习因子c1＝c2＝2,群体的规模size＝100,最大的迭代次数maxg＝500.
图2和图3表示的分别是δ-DPSO、LBVS以及MM-ACO这三种资源负载均衡算法在完成任务的时间和负载均衡度方面的比较情况.根据图2,我们发现：较之于MM-ACO算法与LBVS算法,δ-DPSO算法在任务完成方面,花费的时间最少,其曲线也更加的平稳,这就意味着该算法有着极高的稳定性.当迭代进行至300左右的时候,δ-DPSO算法才开始收敛,在收敛性上,MM-ACO最低.由此,我们可以认为就执行任务的方面看,较之于其它两种算法,使用δ-DPSO算法更为恰当[6].
根据仿真结果可知,在云计算资源负载均衡方面,较之于其它算法,δ-DPSO在分配任务方面更为有效,其实现了使用云计算资源节点的均衡,同时还在很大程度上减少了完成任务的时间.
4.结论
由于,资源负载均衡属于NP-hard组合优化问题,因此本文所做的研究能够为组合优化的其它问题的研究提供参考.
参考文献
[1]陈军,高雅,刘莉平.P2P环境中基于粒子群算法的信任模型[J].计算机工程与应用. 2009(32):12-13.
[2]宋继光,秦勇,史健芳,贾云富,梁本来.粒子群算法及其在路由优化中的研究[J].计算机工程与设计,2010(09):30-31.
[3]张敏,余青松,黄俊,宗文杰,周雁.基于GAPSO混合算法的网格工作流调度研究[J].计算机应用与软件,2011(04):45-46.
总结：本论文是一篇免费优秀的关于算法计算论文范文资料，可用于相关论文写作参考。
计算算法的执行时间引用文献:
[1] 云计算和遗传算法论文参考文献范文 关于云计算和遗传算法相关论文范文文献2万字
[2] 云计算和算法硕士学位毕业论文范文 云计算和算法类有关论文写作资料范文3000字
[3] 云计算和蚁群算法专升本论文范文 云计算和蚁群算法相关论文如何写2万字
