基于蚁群算法的云计算资源调度分析

《基于蚁群算法的云计算资源调度分析》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于蚁群算法的云计算资源调度分析　　摘要当前，云计算资源调度中常用的算法包括遗传算法、蚁群算法、粒子群算法以及综合优化算法等。不同算法所关注的角度存在一定的差异，遗传算法和粒子群算法主要从资源调度的效率方面进行优化，而蚁群算法则是从云计算资源调度的计算成本方面进行考虑。论文讨论了基于优化蚁群算法的云计算资源调度，在兼顾任务效率的基础上，能够进一步降低计算成本。　　【关键词】云计算资源调度蚁群算法　　1云计算资源调度　　云计算资源调度主要是对某个时间点或者时间段内如何向用户进行资源分配的决策过程。资源是根据单个或者多个优化目标进行

2、分配的，其中，目标包括了任务的效率、成本等方面的问题。云计算中的不同应用程序所需要的资源不同，加上云计算本身的异构性以及动态性的特点，导致云计算资源调度问题成为了一个非常复杂的多目标优化问题。而作为良好的资源调度策略，不仅需要进一步提高计算的效率，同时还应该控制调度成本，实现对资源的最大化利用。另外，云计算资源管理还需要利用有限的物理资源，为更多的用户提供多样化的服务，同时满足不同类型用户在计算效率、成本等服务质量方面的差异化要求。2基于蚁群算法的云计算资源调度　　蚁群算法是以中用于寻求最优解决方案的机率型技术，其最早是由Mar

3、coDorigo于1992年在其博士论文中引入，主要借鉴了蚂蚁在寻找食物过程中发现路径的行为。蚂蚁在路径上前进时能够根据前面蚂蚁所留下的分泌物选择路径，其选择一条路径的概率与该路径上分泌物的强度成正比。因此，大量蚂蚁构成的群体行为实际上构成了一种学习信息的反馈现象，即选择某一条路径的蚂蚁越多，后面的蚂蚁则继续选择该路径的可能性更大。蚂蚁个体之间通过这种信息寻求最短的目标路径。在云计算环境下，可以将资源调度问题看作一个多项式复杂程度的非确定性问题。从解决这类问题的角度来看，蚁群优化算法很适合解决资源调度的问题，传统的蚁群算法通常只

4、能在效率和成本兼顾一面，对此本文提出了一种新的优化蚁群算法。　　2.1算法设计　　建立子任务与虚拟节点分配矩阵X，定义节点Xij，其中i（1，2，…，n），j（1，2，…，m）为节点集合，构成了一个没有方向的完全图G（V，E）。通过优化蚁群算法能够获取一个适用于资源调度方案使F得值达到最小。　　2.1.1初始化信息素　　在初始化算法的阶段，为了确保蚂蚁能够很好地进行路径寻优，需要?⑺?有路径的信息素的初始值设置为最大，完成信息素的初始化。　　2.1.2路径选择　　在各个节点上都分布着若干只蚂蚁进行最优解的搜索，则第k只蚂蚁在t时

5、刻选择节点Xij的概率为：　　（1）　　（2）　　τij（t）代表了t时刻，蚂蚁在Xij节点位置所残留的信息素；φij（t）代表了蚂蚁的启发信息。α和β非别表示残留信息素和启发信息的相对重要性。tabk（k=1，2，L，m）代表第k只蚂蚁行走的禁忌表，即不会选择的路径，如果t时刻，第k只蚂蚁选择节点Xij，则就会被加入到禁忌表中。　　2.1.3信息素更新　　在每次循环之后都需要对该次循环中的最优解或者局部最优解的信息素进行更新，从而确保找到全局最优解能够有更高的效率，按照下面的公式对信息素进行更新：　　（3）　　（4）　　其中，

6、Fbest就表示了全局最优解的值，通过对信息素的更新，能够进一步提高算法的效率，缩短计算所需要的时间。　　2.2算法流程　　根据上面的分析，确定了基于蚁群算法的云计算资源调度的具体流程：　　Step1：确定算法的适应度函数；　　Step2：设置算法的各类指标参数和算法结束条件，参数需要确保合理性，以保证算法效率；　　Step3：设定完成之后初始化算法的信息素，并将蚂蚁在各个节点进行随机分布，进行路径搜索；　　Step4：每次完成一轮搜索之后，从其中选择当前的最优解，然后更新信息素；　　Step5：继续进行搜索，如果满足之前设置的

7、结束条件，则确定当前获取的最优解为算法的全局最优解，如果不满足算法结束条件，则跳转到Step4。　　3仿真分析　　为了对算法的可行性和有效性进行验证，选择CloudSim平台对算法进行仿真分析。在实际仿真过程中，将初始条件c，d设置为0.5，其余参数的值设置为1，在仿真中采用50个虚拟机节点，50个任务，每个任务被分割为范围为[10，60]的子任务，蚂蚁群的规模设置为50，实验循环次数为30次，实验终止的条件为达到最大迭代次数。在完全相同的实验条件下，采用本文所设计蚁群优化算法和标准蚁群算法进行对比。　　通过对实验结果进行分析发

8、现，本文所设计的蚁群优化算法能够在总体完成时间较少的基础上减低计算成本，而不是以牺牲计算成本来提高计算效率，或则以牺牲计算效率来降低计算成本。因此，本文所设计的蚁群优化算法在云计算资源调度中能够同时兼顾计算效率和计算成本，实现较好的资源调度效果。　　4结语　　由