算法基于蚁群优化的云计算任务调度算法研究

精品文档可编辑 值得下载

基于蚁群优化的云计算任务调度算法研究

摘要在提出蚁群优化算法应用到云计算任务调度问题时首先要做的就是分析云计算任务调度问题的形式化。从基础到本质从而提出云计算任务调度的最佳方法这种算法可以从生态机制方面入手对于一群算法的技术性完善信息要素充分。解决组合优化问题将会采取模拟的独特性在一定的环境下云计任务调度中将需要蚁群优化法。

关键词研究原理蚁群算法调度算法优化组合

前言

云计算具有广泛性服务性功能性等独特性质原始的一些任务调度算法已无法适应现在的社会环境。所以为了使云计算达到最优必须找出一种针对难解的离散优化问题的元启发式算法那就是蚁群优化Ant Colony Optimization ACO。人工蚁群的协作会使整个机构建设过程达到一个完整的策略目标。但是对于一些云计算任务调度依旧是不成熟的必须要用一个系统的科学性方法来调度从而将云服务的所有各种形式呈现出来。ACO元启发式算法可以用在云计算的调度组合优化问题中它采取一些不定向的构造过程向部分解添加符合定义的解成分从而达到一个完整的解。

1/7

精品文档可编辑 值得下载

1蚁群优化的相关概念的介绍

 1 蚁群优化算法的研究。云计算先于个人计算机、互联网以及各种技术软件。对云计算必须要进行研究实验是检验真理的唯一标准先从蚁群算法入手。蚁群算法有很多不同的数学模型应用场景它会呈现出更多的信息要素使一些全新的信息更新较快性能较好。通过一些要素采用数学中的条件循环可以准确的表达出信息素的挥发程度也准确地表达出蚂蚁之间协作能力的关系。当循环条件结束时可以画出统计图研究出信息素挥发程度与算法求解成反比。从中也可以延伸到一些必要的要素特征找出一个平衡点使算法进入最优解。蚁群算法在1991年正式提出20年的今天知名度已经相当的广泛。它的算法框架逐步成熟形成了一个可以解决函数优化涉及众多领域解决静态优化问题以至于达到优化组合。

2蚁群算法系统化。在1991年Dorigo在解决TSP 问题中提出了蚂蚁算法以信息构造和过程发挥使蚂蚁系统的扩展算法得到解决。在原始系统的技术上进行新的改革蚂蚁系统的方式得到了更新过程也有一定的信息要素。蚂蚁系统是在以下方面进行改进。第一对蚂蚁系统的第一次改进来自于精准变革把人的特有机制放到引入其中从思想上找出最优途径从而增加信息要素。第二在蚂蚁搬家的过程中一个蚂蚁无法完成整个程序必须要蚁群。蚁群

2/7

精品文档可编辑 值得下载

的团结力量所累积的经验将会使信息要素发挥到极致。从而在每一次的路径上有一定量的积累实现质的飞跃也有可能探索其他的各方面的路径。第三蚂蚁系统有大有小不能从大小方面决定它是否优秀但是要设定一些局限性在一定的境内限制一些区间每个区间分配不同来达到信息要素的发挥功能不同使整个信息要素发挥速率提高。

3数学类型与蚁群算法结合。在信息要素更新后蚂蚁的构建路径也已经完善。而遗留在信息路径上的要素就会随着时间的逝去而消失使信息要素避免发生一触即发。以基本的蚁群算法来实现云计算的完整性首先要完善参数的初始化再标出每一个蚂蚁随机分布的节点采用数学中的动态形式方式执行各种完成的构建更新数据信息库最后直接完善。这种结合将会分布并使蚁群优化得到适应以及全局发展也使它有一定的扩展性。从而达到解决问题的最优使调度更合理。从整体上优化蚁群的云计算任务调度算法。

2基于蚁群优化的云计算任务调度算法

 1 蚂蚁调度算法的根本。蚂蚁的基础是它的穴窝是整个蚂蚁觅食过程中的节点、 出发点。如果以时间单位为长度那么它每个进行的节点都会路过穴窝从而将信息素反应在节点上使各种任务得到反映达到一定的正反馈性和自适应能力从而让调度算法得到完善。再利用与环境之间

3/7

精品文档可编辑 值得下载

的交换规则是复杂性的动态系统行为在于探索云计算系统中的紧密结合。当各个阶段的任务已完成时就会全部涌入蚁窝也就是主节点它又将任务拆分成多个任务使每个任务的数据量初始化都达到一定的细密初步检测逐步完善循环完成以达到最优。也是蚁群在各种循环路径中发现问题使信息素的质量加倍。也让那些蚂蚁群优化不再缺乏多样性。为确保信息素不会发生本质性变化应该在它更新之前进行一个算法流程。第一与数学中的函数相结合画出目标函数直接把蚂蚁群的位置和速度进行转化选择个体的最佳位置和群体的最优地点再根据画图对蚂蚁进行速度和位置的更新。第二。设定一些次数让实验更具有真理性再次进行初始化让它们从主节点出发到另一个节点并进行搜索。更新每一个局部的信息要素把它放入列表中。第三取出它的任务和合适值搜索精力产生的信息来达到预期目标。加快它的速度使信息充分。最后用蚁群求算法算出任务调度的最优解。

2蚁群任务的数学形式。因为没有具体标注所有的直线方图和条形循环图但所述文字中的简易性更能表达出一些画图所不能表达的内容。为了节省人力和物力必须要在同一个时间里处理同一种类型的任务并且达标。还要进行一次任务调度此次目标就是为了找到一个合适的花费代价最少的优化组合。第一研究问题形式化来表达将任务

4/7

精品文档可编辑 值得下载

调度进行形式化分析。蚁群优化将会成为组合优化问题的通用算法。 因为它在某种问题上进行多次改进然后提出使任务进程以函数的形式出现然后进行求解。以跨度最优为目标兼顾横向发展来达到均衡能力的任务完成。第二设计简单的初始化运行参数使初始信息的要素达到条件循环的要求。初始化是将每只蚂蚁和算法的参数都记录在一起形成变量在云计算中从效率和分配、花费点上整体提高系统的性能。第三将静态的一些规则转化为动态的初始化完成之后蚁群可以按照规则进行搜索。从主节点出发把节点效能发挥到极致规避它影响信息的状态。状态转移就是把未完成的调度任务按状态分成类然后以数学匹配中的公式进行相对的计算从而使其能力发挥到一定的水平让其的影响力拓展。第四在周而复始中也必定要更新必须更新信息素在本质不变的情况下让它的质量更高。从而更好地挥发其信息使信息素逐渐增加。信息的更新会影响蚂蚁选择节点的概率但是主节点任务并不会因此收回为了以更高的质量完成此任务要不断地重新搜索任务上的节点。

3云计算的优化组合。云计算的任务调度是建立在优化组合上的不管从它的各方面并行分布和适应性都将以最优的环境能力呈现。其中的调度是以形式化的描述为组合优化的基本问题从主到分又到总在每个节点都发挥其

5/7

精品文档可编辑 值得下载

相应能力节省物力也在财力上进行一些奖罚惩治。使每个状态都发挥到极致达到平衡的效益正反馈、负反馈都会以事实来反映节点状态。 由启发式信息要素来反映节点出现的问题并及时处理产生经验后来执行更高的能力。为达到它的最优跨度调度目标执行任务的时间得到优化状态也发挥到最好缺点将被忽略优点将全部呈现出来。无论是优先安排执行任务还是优先解决呈现问题都会以最好的性能和效力来达到均衡状态。环境会改变个体的生存情况优化云计算的社会环境将会从整体上使云计算得到最好的调度。

3结束语

当基本的蚁群算法被改进云计算也将大规模地出现在各种任务调度中。无论是它的分布式计算方式并行计算以及网络技术的计算都将会与其它技术有明显的差异。所以云计算的技术研究蚁群算法的研究在并行时取其长处。从而达到云计算环境下基于蚁群算法的任务调度策略优化完善全方位推出。

参考文献

[1]孙丹丹苗建松王朝翔.Ad Hoc网络中基于蚁群优化的路由选择算法[J].201 1 6 .

[2]宋军全周凯华惊宇.基于蚁群算法的无线自组网络能量控制路由研究[J].2012 12 .

6/7

精品文档可编辑 值得下载

[3]严珍珍陈英武邢立宁.基于改进蚁群算法设计的敏捷卫星调度方法[J].系统工程理论与实践 2014  343 793-801 .

[4]李依桐林燕.基于混合粒子群算法的云计算任务调度研究[J].计算技术与自动化 2014  33 1   73-77.

7/7