基于粒子群算法和RBF神经网络的云计算资源调度方法研究

被引：48

作者：

赵宏伟 ^{[1
]}

李圣普 ^{[2
]}

机构：

[1] 沈阳大学信息工程学院

[2] 平顶山学院计算机科学与技术学院

来源：

计算机科学 | 2016年 / 43卷 / 03期

关键词：

云计算; 神经网络; 资源调度; 粒子群;

D O I：

暂无

中图分类号：

TP393.01 []; TP18 [人工智能理论];

学科分类号：

140502 [人工智能];

摘要：

为了获得云计算资源调度的多目标优化方案,提出了一种云计算资源的动态调度管理框架;然后给出了本系统的基本架构形式,并对其进行了详细设计;其次,建立了以提高应用性能、保证云应用的服务质量和提高资源利用率为目标的多目标优化模型,并结合最新的RBF神经网络和改进粒子群算法对其求解;最后,在CloudSim平台进行了仿真,实验结果表明提出的框架及算法能有效减少虚拟机迁移次数和物理结点的使用数量,在提高资源利用率的同时,能保证云应用的服务质量。

引用

收藏

页码：113 / 117+150 +150

页数：6

相关论文

共 10 条

[1]

A View of Cloud Computing [J].

Armbrust, Michael ;

Fox, Armando ;

Griffith, Rean ;

Joseph, Anthony D. ;

Katz, Randy ;

Konwinski, Andy ;

Lee, Gunho ;

Patterson, David ;

Rabkin, Ariel ;

Stoica, Ion ;

Zaharia, Matei .

COMMUNICATIONS OF THE ACM, 2010, 53 (04) :50-58

[2]

Optimal power flow using particle swarm optimization [J].

Abido, MA .

INTERNATIONAL JOURNAL OF ELECTRICAL POWER & ENERGY SYSTEMS, 2002, 24 (07) :563-571

[3]

面向云存储的I/O资源效用优化调度算法研究 [J].

王健宗 ;

谌炎俊 ;

谢长生 .

计算机研究与发展, 2013, (08) :1657-1666

[4]

云虚拟机资源分配的效用最大化模型 [J].

师雪霖清华大学计算机科学与技术系清华信息科学与技术国家实验室(筹) ;

徐恪 .

计算机学报, 2013, 36 (02) :252-262

[5]

基于信息强度的RBF神经网络结构设计研究.[J].韩红桂;乔俊飞;薄迎春;.自动化学报.2012, 07

[6]

新的混沌粒子群优化算法 [J].

胥小波 ;

郑康锋 ;

李丹 ;

武斌 ;

杨义先 .

通信学报 , 2012, (01) :24-30+37

[7]

云计算中虚拟机放置的自适应管理与多目标优化 [J].

李强 ;

郝沁汾 ;

肖利民 ;

李舟军 .

计算机学报, 2011, 34 (12) :2253-2264

[8]

云计算:体系架构与关键技术 [J].

罗军舟 ;

金嘉晖 ;

宋爱波 ;

东方 .

通信学报 , 2011, (07) :3-21

[9]

云计算环境下基于失效规则的资源动态提供策略 [J].

田冠华 ;

孟丹 ;

詹剑锋 .

计算机学报, 2010, 33 (10) :1859-1872

[10]

多目标智能优化算法及其应用.[M].雷德明; 严新平; 著.科学出版社.2009,