实例介绍
【实例简介】
对云计算任务调度进行了研究，针对用户满意度和云提供商利益需求，提出一种融合粒子群和遗传算法的PSOGA改进算法。首先根据云环境特点对虚拟机资源进行分类，同时引入任务‐资源满意度距离、资源综合性能概念；然后对粒子群初始粒子操作进行优化，来提高粒子质量；最后为克服粒子易陷入局部最优解问题，加入遗传算法（GA）的交叉、变异操作，扩展粒子的搜索空间。仿真结果表明，该调度策略提高了用户满意度的同时减少了任务的完成时间，是云平台下一种有效的任务调度策略。
Computer engineering and applications [0,1] K a B y + M=8 5,7,4,7,4 1 ay a+B+r Br 0.1 0.20.7 (9,1,25,7) (9,25,5,7)=(1,0,0,1,1) 3 a oB ∑ 01(1,0,1,1)④0.9(1,1,0,1)=(1xx,1) 01 0.1 09 (3,2,1,5,4)∞(1,0,1,1,1)=(3x,15,4) GA 3.2 Computer engineering and applications 0.36 Cloudsim 3.0 Cloudsim Datacenter Broker bind cloudlettovm =0.82 bind Cloudlettovm Myclipse100 PSO GA PSOGA K=8 4 4% Cloud [1000040000rand( [150,200rand()] 预处理任务及資、 「5001000rand(] 源,并更新虚拟机 计算任务-资 谅满总度距离 [60100rand() ndo 初始负载 从可用资源随机生|根据得致的任务最 PSOGA 成S3/4个子 佳虚拟机类型生成 S/4个粒子 PSO PSOGA GA 初始化S个粒了的还 200 度,并设置最大迭代次 数L和 fitness=t PSOGA 很据車新定义的粒了探 作,计算 fitness值,并 更新pb利gb 根据规则选择粒了进亻 [15 交叉变异探作,并计算 fitness值,更新忡群 (12) 达到最大次效L L=L+1 fitness阈值 结太,得到最优解 (13) M=200 300 200 200 L PSO s Lo n Pso GA PSO GA PSOGA GA Computer engineering and applications 800 70 600 s ■PSO 400 AGA 300 ■ PSOGA 200 PSOGA PSO GA 100 PSO GA 0 第一批第二批第三批 PSOGA PSO GA PAO GA PSOGA 2.5 PSO PSOGA A 0.5 PSOGA 第一北第二批第批 PSOGA PSO GA 5 400 190r 1700 1500 130 1100 西GA n □1sGA GA 了00 50o 笫一批第二批第二批 4 3.5 3 2.5 NGA □ 05 第一枇第二批第三批 Computer engineering and applications 基于粒子群遗传算法的云计算任务调度研究 万F据 WANFANG DATA文献链接 作者 王菠,张晓磊 作者单位: 重庆人学计算机学院,重庆400044 刊名: 计算机工程与应用 英文刊名: Com uter Engineering ar d Appl ications 年,卷(期) 2013 Axfe:http://d.wanfangdata.concn/periodiCalpre8fb5c222-8042-4959-ba95-2a3a31f59b2e.aspx 【实例截图】
【核心代码】
对云计算任务调度进行了研究，针对用户满意度和云提供商利益需求，提出一种融合粒子群和遗传算法的PSOGA改进算法。首先根据云环境特点对虚拟机资源进行分类，同时引入任务‐资源满意度距离、资源综合性能概念；然后对粒子群初始粒子操作进行优化，来提高粒子质量；最后为克服粒子易陷入局部最优解问题，加入遗传算法（GA）的交叉、变异操作，扩展粒子的搜索空间。仿真结果表明，该调度策略提高了用户满意度的同时减少了任务的完成时间，是云平台下一种有效的任务调度策略。
Computer engineering and applications [0,1] K a B y + M=8 5,7,4,7,4 1 ay a+B+r Br 0.1 0.20.7 (9,1,25,7) (9,25,5,7)=(1,0,0,1,1) 3 a oB ∑ 01(1,0,1,1)④0.9(1,1,0,1)=(1xx,1) 01 0.1 09 (3,2,1,5,4)∞(1,0,1,1,1)=(3x,15,4) GA 3.2 Computer engineering and applications 0.36 Cloudsim 3.0 Cloudsim Datacenter Broker bind cloudlettovm =0.82 bind Cloudlettovm Myclipse100 PSO GA PSOGA K=8 4 4% Cloud [1000040000rand( [150,200rand()] 预处理任务及資、 「5001000rand(] 源,并更新虚拟机 计算任务-资 谅满总度距离 [60100rand() ndo 初始负载 从可用资源随机生|根据得致的任务最 PSOGA 成S3/4个子 佳虚拟机类型生成 S/4个粒子 PSO PSOGA GA 初始化S个粒了的还 200 度,并设置最大迭代次 数L和 fitness=t PSOGA 很据車新定义的粒了探 作,计算 fitness值,并 更新pb利gb 根据规则选择粒了进亻 [15 交叉变异探作,并计算 fitness值,更新忡群 (12) 达到最大次效L L=L+1 fitness阈值 结太,得到最优解 (13) M=200 300 200 200 L PSO s Lo n Pso GA PSO GA PSOGA GA Computer engineering and applications 800 70 600 s ■PSO 400 AGA 300 ■ PSOGA 200 PSOGA PSO GA 100 PSO GA 0 第一批第二批第三批 PSOGA PSO GA PAO GA PSOGA 2.5 PSO PSOGA A 0.5 PSOGA 第一北第二批第批 PSOGA PSO GA 5 400 190r 1700 1500 130 1100 西GA n □1sGA GA 了00 50o 笫一批第二批第二批 4 3.5 3 2.5 NGA □ 05 第一枇第二批第三批 Computer engineering and applications 基于粒子群遗传算法的云计算任务调度研究 万F据 WANFANG DATA文献链接 作者 王菠,张晓磊 作者单位: 重庆人学计算机学院,重庆400044 刊名: 计算机工程与应用 英文刊名: Com uter Engineering ar d Appl ications 年,卷(期) 2013 Axfe:http://d.wanfangdata.concn/periodiCalpre8fb5c222-8042-4959-ba95-2a3a31f59b2e.aspx 【实例截图】
【核心代码】
标签：
好例子网口号：伸出你的我的手 — 分享！
小贴士
感谢您为本站写下的评论，您的评论对其它用户来说具有重要的参考价值，所以请认真填写。
- 类似“顶”、“沙发”之类没有营养的文字，对勤劳贡献的楼主来说是令人沮丧的反馈信息。
- 相信您也不想看到一排文字/表情墙，所以请不要反馈意义不大的重复字符，也请尽量不要纯表情的回复。
- 提问之前请再仔细看一遍楼主的说明，或许是您遗漏了。
- 请勿到处挖坑绊人、招贴广告。既占空间让人厌烦，又没人会搭理，于人于己都无利。
关于好例子网
本站旨在为广大IT学习爱好者提供一个非营利性互相学习交流分享平台。本站所有资源都可以被免费获取学习研究。本站资源来自网友分享，对搜索内容的合法性不具有预见性、识别性、控制性，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，平台无法对用户传输的作品、信息、内容的权属或合法性、安全性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论平台是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二与二十三条之规定，若资源存在侵权或相关问题请联系本站客服人员，点此联系我们。关于更多版权及免责申明参见 版权及免责申明
网友评论
我要评论