基于CloudSim的仿真云平台构建研究

云计算相关研究需要在真实环境中验证其有效性和可靠性,这使得能够模拟真实云计算环境的仿真云平台成为当前研究的热点之一。文章从CloudSim的框架和核心类着手,构建了基于CloudSim的仿真云平台,并通过运行样例对平台的可用性进行了验证,为进一步开展云环境下的信任模型、算法调度研究奠定了基础。

基于CloudSim云平台的任务调度与能耗分析研究

剖析了CloudSim云平台的仿真工作原理,重点阐述了层次模型。在此基础上,首先,以云计算环境下的任务调度为研究对象,并以任务执行时间为优化目标,提出了五种任务调度算法。其次,为了解决以上算法忽略主机能耗问题,为改善主机能耗,进一步研究了基于虚拟机迁移的节能技术,并对CloudSim云平台进行了功能扩展,实现了两种节能算法:基于CPU频率调整的DVFS算法及基于虚拟机迁移的静态阈值STH算法。最后,配置了具体的云仿真场景后,对提出的算法进行了仿真实验分析。结果表明,贪婪算法GSA得到的任务执行时间最少,而通过虚拟机迁移的动态算法STH比较DVFS算法能耗更少,但会发生少量的SLA违例,降低执行性能。

基于MPSO算法的云计算资源调度策略

针对云计算服务集群资源调度和负载平衡的优化问题,提出一种基于改进的粒子群优化算法的云计算资源调度策略。将动态多群体协作和变异粒子逆向飞行思想引入到粒子群优化算法中,从而控制全局搜索和局部搜索,尽量避免陷入局部最优。在CloudSim平台进行模拟测试,结果表明,该调度策略有效且执行效率较高。

云环境下一种节能的资源调度算法

针对云计算的高能耗问题,从系统级节能角度,提出一种节能的资源调度算法。首先,建立云计算的两级资源调度模型;综合考虑主机的工作、空闲和休眠等多种状态建立能耗模型,并用多功能计量插座加以验证。然后,提出基于遗传算法的最小能耗资源调度算法(minimum energy consumption based on genetic algorithm,MECGA),根据云任务的服务质量(quality of service,QoS)需求产生初始种群,以系统能耗最小为调度目标设计适应度函数,并根据染色体适应度的正态分布函数和种群的进化代数设计遗传算子。仿真结果表明,所提算法能够有效降低系统总能耗、缩短任务完成时间。

一种改进后的蝙蝠算法在云计算资源调度的应用及仿真研究

为了实现云计算资源调度的优化,提出改进的蝙蝠算法,结合膜计算方式,在CloudSim软件搭建仿真环境进行仿真实验.同时,以Sphere等三个基准函数对改进后的算法性能进行了仿真测试,测试结果显示基于膜计算的蝙蝠算法具有良好的收敛稳定性与精确性.研究表明,提出的基于膜计算的蝙蝠算法很大程度上提高了云计算资源调度能力,实现了资源的有效利用.

基于改进粒子群算法的云计算调度策略

云计算调度策略是一种将海量计算任务分配到各个计算资源上的模型。粒子群优化算法作为一种随机全局搜索算法在云计算中广泛应用,然而其仍存在参数依赖人为设定、前期全局搜索能力不足、后期收敛速度缓慢等问题。针对上述问题,提出了基于模拟退火策略与自适应权重策略的优化方法,旨在提高粒子群调度算法的自我优化能力。通过引入上述策略,对粒子群算法中的学习因子、速度增长等参数进行实时控制,完成算法迭代优化。实验表明,在CloudSim平台中该优化策略增强粒子群中每个粒子的学习能力,与优化前相比执行速度更快,精确度更高。

基于特征粒子的调度算法在云计算中的应用

针对云计算中资源调度的无序性,以及虚拟机级别上负载均衡难以处理的问题,提出特征粒子调度算法。该算法能够快速、高效、有选择性地完成资源节点的筛选和调度,从而在全局上能够实现节点处理能力的均衡,以及节点资源的最佳利用。通过在模拟仿真平台(Cloud-Sim)上的模拟测试,实验结果表明,此算法能够有效地整理不同特征的云资源节点、缩短云环境下的任务平均运行时间,提高资源的利用率,并在理论上可大大降低整个云的资源消耗。

面向云计算资源管理的交互仿真平台构建

针对云计算资源管理建模分析的要求,提出了一种应用着色Petri网和Cloudsim的交互仿真平台架构。通过着色Petri网层次化替代变迁构建交互仿真框架,基于CPN Tools的接口规范定义与Java Socket完成接口设计和建立交互控制进程,实现了云计算资源管理CPN逻辑事件模型与Cloudsim物理模型的交互仿真。最后,通过一个简化的云资源管理实例建模仿真和逻辑结构检验,验证了交互仿真平台架构的可行性和实用性。

一种面向多平台航电资源建模及其调度算法

随着航空电子系统朝着体系化发展,依靠网络构建包含不同飞行器航电资源在内的多平台航电资源就显得尤为重要。通过综合利用不同飞行平台的资源,发挥不同平台资源的优势,利用协同提升执行任务的能力。多平台航电系统的资源管理和任务调度是其核心功能。为了仿真和验证多平台航电系统资源管理功能,进一步研究资源调度方法,对多平台航电资源建模方法和调度算法进行研究,解决了对多平台航电系统上硬件资源的合理调度问题,增加了任务接受率。首先,利用多层分级拓扑结构对多平台航电资源进行建模,并对多平台航电任务需求进行分析;其次在SST自适应调度算法的基础上增加传感器、优先级等因素,以达到更高的接受率目标,改进后的算法完成一系列任务请求对航电资源的需求分配过程;最后,利用CloudSim仿真实验环境实现改进后的算法,从不同场景对实验结果进行全面分析。实验结果表明,本文设计的算法相比于原始算法任务请求的接受率有较大的改善。

试析云计算应用

云计算是目前最热门的一种分布式应用技术,可以令互联网用户像日常用水用电一样利用网络资源。简述了云计算的提出、特点及分类,对现有的云计算平台进行了较为详细的阐述,并对云计算模拟平台CloudSim的使用进行了说明。

基于云计算的实验平台节能策略研究

随着计算技术的发展,节能技术已经成为云计算中的重要技术。为了提高云计算实验平台的节能效率,提出了一种双门槛稳定度分群策略,并进行了研究,详细论述了实现的过程以及关键技术。通过实验表明,该节能策略能有效的提高实验平台的节能效率。

一种粒子群结合遗传算法(PSO-GA)的云计算任务调度方法

针对云计算服务集群任务调度和负载平衡的优化问题,提出一种粒子群结合遗传算法(PSO-CA)的云计算任务调度方法。PSO-GA算法在遗传算法的基础上对种群进行分隔,用粒子群算法来构造变异算子,避免了变异算子的随机性和盲目性,很好地保持种群的多样性,克服了早熟现象。在Cloudsim平台进行模拟测试。实验结果表明,与同类算法相比,该调度方法能够缩短云计算下任务执行总时间,提高资源利用率。