云计算中虚拟资源调度的决策系统

云环境中如何为任务分配虚拟资源并将其调度到物理资源上是一个研究难点;在详细分析云环境中任务分发流程的基础上,构建了虚拟资源的调度控制模型,并提出采用分布估计算法(Estimation of distribution algorithms,EDAs)进行求解;该模型首先通过感知器感知物理资源,然后将物理资源和虚拟资源抽象为具有一定属性的节点,资源的分配过程转化为将虚拟资源映射到物理资源;同时提出了资源满足率的概念并以此为目标函数来进行优化,对比Max- min算法,静态调度算法和随机调度算法,在任务集为5～55的区间及负载量为0.5～1.5的区间,得出EDA算法的资源满足率平均至少提高了1.004倍,最高达1.793倍.     

云环境下基于改进NSGA II的虚拟机调度算法

在云环境中,如何将大量的虚拟机调度到物理节点上是一个基本且复杂的问题。文中首先对虚拟机的调度建立装箱问题模型,将该模型的求解转化一个多目标优化问题,目标分别为负载均衡、提高任务执行效率和降低能耗;接着对基于非支配排序的遗传算法（ Non-dominated Sorting Genetic Algorithm,NSGA II）进行改进,利用回溯法中的剪枝函数确定最优初始种群,引入正态分布密度函数限制优秀精英。仿真结果表明,基于改进NSGA II的虚拟机调度算法在任务执行时间、负载均衡和能量消耗三个方面优于其他一些常用算法。     

基于修补策略的约束多目标动态环境经济调度优化算法

针对传统的优化算法求解多目标动态环境经济调度(MODEED)模型时极难获得高质量的可行解,且收敛速度慢等问题,根据MODEED模型约束特征,设计了一种约束修补策略;然后将该策略嵌入非支配排序算法(NSGAⅡ),进而提出一种修补策略的约束多目标优化算法(CMEA/R);接着借助模糊决策理论给出了多目标问题的最优决策向量;最后,以经典的10机系统为例,验证了CMEA/R的求解能力,并比较了不同群体规模下CMEA/R与NSGAⅡ的性能。仿真结果表明,在不同群体规模下,与NSGAⅡ相比,CMEA/R的污染排放平均减少了480 lb(217.7 kg),燃料成本平均减少了7 800美元,执行时间平均减少了0.021 s;覆盖率(HR)性能优于NSGAⅡ,且收敛速度较NSGAⅡ快。     

基于NSGA2算法的混合流水车间多目标调度问题研究

针对混合流水车间多目标调度问题,以最大流程时间和生产中所消耗的总能量最小为目标函数,建立了混合整数数学规划模型;将具有解决复杂组合优化问题的非劣排序遗传算法2(NSGA2)应用于求解多目标混合流水车间调度问题,详细描述了NSGA2算法求解HFSP问题的步骤。利用Matlab仿真,结果表明,NSGA2算法求解多目标HFMSP问题可行性和有效性。     

基于NSGA2算法的并行机多目标调度问题研究

针对并行机多目标调度问题,以完工时间和总延迟时间最小为目标函数建立了数学模型,从而将具有解决复杂组合优化问题的非劣排序遗传算法NSGA2应用于求解多目标并行机调度问题。文中详细描述了用NSGA2算法求解并行机调度问题的步骤,并通过Matlab仿真,表明YhqNSGA2算法求解多目标并行机调度问题的可行性和有效性。     

一种求解多目标资源受限项目调度的遗传算法

采用基于非支配性排序的多目标遗传算法—NSGA－Ⅱ,设计了一种求解多模式、多种类资源约束的多目标资源受限项目调度问题的遗传算法,该算法所设计的编码包含两部分,一部分为一个任务链表,另一部分为任务链表中各任务所对应的执行模式组成的模式向量。将所设计的算法用于求解文献中的以项目总工期和资源均衡为目标的农业项目调度问题,结果表明此算法对于求解多目标资源受限项目调度问题是有效的。     

改进NSGA2在炼钢-连铸调度中的应用研究北大核心CSCD

针对具有多重精炼方式的炼钢-连铸调度排产问题,采用单纯带精英策略的非支配排序遗传算法(NSGA2)存在求解精度不高,求解速度慢、并得到Pareto解集后需要人工确定最优解的问题,提出了基于优先级策略的改进NSGA2新方法。首先基于炼钢-连铸生产工艺过程及调度目标和要素建立多目标优化调度模型,然后将所提出的方法应用到具有多重精炼的炼钢-连铸生产调度问题中,并与现有采用原始NSGA2的仿真结果进行比较。实验结果表明本文提出的基于优先级策略的改进NSGA2算法在求解速度、求解精度上均优于原始NSGA2算法,并能自动给出唯一的最优调度方案,避免人工确定最优解缺乏科学依据问题。     

云虚拟机资源分配的效用最大化模型

随着云计算和虚拟化技术的发展,为云资源管理提供了一种更高层次的调度选择:一个作业不再只能分配到一台物理机上,而是可将一台或多台物理机的计算资源虚拟化成一台虚拟机来运行该作业.根据作业需要,高效分配定量的物理资源放置虚拟机,是决定云系统性能的关键因素,即云资源调度问题实质就是一个虚拟机和物理机之间的映射问题.文中借鉴网络效用最大化模型,提出了一种云资源调度模型——云效用最大化(Cloud Utility Maximization,CUM)模型,与传统调度模型相比,目标函数不再是最小化最大完工时间,而是以达到效用最大为调度目标,可以充分提高用户的满意程度.通过求解CUM优化问题得到最优的虚拟机和物理机映射关系.设计了针对该模型的分解优化算法——简化次梯度算法求解拉格朗日对偶问题,证明了该算法可以获得原始模型问题的最优解.仿真实验表明算法可行且具有良好的收敛特性,并给出了CUM模型在真实云环境下的应用场景.     

云计算环境下虚拟资源自适应调度策略

由于云计算环境下的资源调度与以往网格调度存在巨大差异,提出了一种适应云计算环境的虚拟资源调度方法;首先定义了虚拟资源调度数学模型,然后给出了一种改进的遗传算法,该算法采用经典网格任务调度算法Min-min获取初始最优解,通过海明距离约束产生初始种群,并将调度模型对应的目标函数改进为适应度函数,对交叉算子、变异算子、交叉概率和变异概率等都进行了改进;最后,通过实验证明文中方法能获得全局最早完成时间,与其它方法相比,文中方法所求解的最早完成时间提高了近20%,是一种适合云计算环境的虚拟资源调度方法。     

云计算环境下基于粒子群算法的多目标优化

为了优化资源的部署调度,需要考虑处理费用、传输费用,并提高云计算的性能.对云计算环境下特点进行了研究,把云计算环境下的数据部署和任务调度问题映射为处理交互图,对处理交互图进行分析、提出了多目标优化模型,并通过粒子群算法对多目标模型进行优化.仿真结果表明,该多目标优化模型和算法不但能优化处理时间、传输时间,也能优化处理费用和传输费用.     

带局部搜索的NSGA Ⅱ算法在负荷分配中的应用

为了改善NSGAⅡ算法的收敛性能,将局部搜索的思想融入到NSGAⅡ中,提出一种带局部搜索的NSGAⅡ算法(NSGAⅡ-LS).该算法采用基于惩罚的边界插入法(PBI)产生局部搜索的优化函数,并使用序列二次规划方法(SQP)进行求解.通过在3个多目标标准测试函数上的仿真实验,结果表明相对于NSGAⅡ,NSGAⅡ-LS具有更好的收敛性能.最后将NSGAⅡ-LS应用到带钢热连轧负荷分配优化计算中,给出了兼顾轧制力平衡、最低轧制功率和优良板形的目标函数表达式,对多目标进化算法在热轧负荷分配优化计算中的应用进行研究,指出了目标之间的冲突关系.     

云计算环境下的PSO可信资源调度

对云计算环境下的资源调度问题进行了研究。针对云计算环境下资源调度的特点,结合节点失效以及任务间的网状结构特点,建立资源调度问题数学模型,运用离散粒子群算法求解该问题。针对模型特点结合云计算服务运营实情,设计算例进行仿真测试。验证表明了所建立模型的合理性及该算法求解的可行性和有效性。     

基于多目标根系生长算法的高精铜锭熔炼作业调度

本文提出一种基于植物根系生长行为的自适应多目标算法(multi-objective root growth algorithm,MORGA),用于求解高精度铜铸锭熔炼过程中的作业调度优化问题.首先,根据铜铸锭熔炼生产线现有的生产能力和熔炼工艺,以达到对客户承诺的交货期、降低生产成本的目的,建立以最小化生产总时间和订单未编入计划而受到的总惩罚值为目标的作业调度优化模型.然后,以植物根系分化式生长行为的数学仿真模型为基础,融入多目标优化策略,提出自适应多目标优化算法,设计编码规则,使其能够有效求解高精度铜铸锭熔炼作业调度模型.最后,利用实际生产数据对MORGA进行验证,并与经典多目标优化算法NSGAⅡ和MOPSO比较,MORGA获得了更优的结果.     

多目标差分进化在热连轧负荷分配中的应用

提出一种基于差分进化算法的多目标进化算法, 该算法个体的选择是通过非支配排序和拥挤度距离进行综合考虑. 保证了算法收敛到Pareto最优解集的同时, 提高了最优解个体分布的多样性. 通过与非支配排序遗传算法Ⅱ(NSGA Ⅱ)算法进行仿真对比, 结果显示基于拥挤度排序的多目标差分进化算法在收敛性和Pareto最优解集分布的多样性上均优于NSGA Ⅱ算法. 最后将其引入到热连轧负荷分配优化计算中, 给出了目标函数的表达方式, 对多目标进化算法在热连轧负荷分配计算中的应用进行了研究.     

虚拟养老服务人员调度多目标优化研究

针对虚拟养老服务人员调度问题，分析老人、虚拟养老服务中心和服务人员的利益追求，以成本最优、老人和服务人员满意度最大为主要考量因素来构建多目标优化模型。设计了离散化多目标鲸鱼优化算法。通过改进传统鲸鱼优化算法的鲸鱼位置更新公式和局部搜索算子，引入非支配排序用于求解构建的多目标优化问题。通过求解算例并将结果同NSGA-II和NSGA-III对比，验证算法的优越性。该研究综合考虑三者的利益，可为虚拟养老服务人员调度提供丰富的决策集合。     

蚁群算法优化到达航班排序和调度问题的研究

为有效解决动态环境中的到达航班排序和调度问题,提出了基于移动域控制的动态蚁群优化算法,该算法将总时间划分成多个时间窗口,并将蚁群算法优化控制在一个移动域内进行,有效避免了算法的早熟,降低了算法的计算复杂度.实例仿真计算表明,该算法比标准的蚁群算法具有更高的求解质量和求解效率,适合于对终端区到达航班进行实时排序和调度.     

云计算环境下资源的节能调度

在云计算环境下,如何在有效地进行资源调度,缩短任务执行时间的同时,降低能耗,已经成为一个重要问题。对此,以任务执行时间与能耗作为优化目标,建立了一个节能调度模型,并通过采用特殊的种群初始化方法以及引入学习机制等方法对非支配排序遗传算法(NSGA-Ⅱ)进行改进,将其应用于云计算的节能调度问题。最后通过算例测试,验证了所提算法能够在减少任务执行时间的同时,有效降低能耗。     

基于节点连通性排序的虚拟网络映射算法

对当今云环境下的数据中心来说,以虚拟资源租赁的运营方式具有极大的灵活性,尤其是以虚拟网络为粒度的资源租赁能够为用户提供更好的个性化需求支持。虚拟网络映射问题是指依据用户资源需求,合理分配底层主机和网络资源。现有的虚拟网络映射算法大多是针对随机拓扑设计的通用算法,未针对数据中心拓扑结构进行优化,映射效率有很大提升空间。针对数据中心的结构特点,提出了一种基于节点连通性排序的虚拟网络映射算法BS-VNE算法。首先,设计了一种最大生成算法来对虚拟节点重要程度进行求解和排序。该算法不仅基于虚拟节点的带宽和连通度,还基于虚拟节点在整个虚拟网络中的连通性来进行节点连通性的计算,以获得更加合理的排序结果。然后,根据虚拟节点连通性排序结果利用离散粒子群优化算法求解虚拟网络的映射解。在求解过程中,引入了针对数据中心结构的物理网络拓扑启发式规则,并将其组合到粒子搜索过程中,以提高映射算法的收敛速度。仿真实验结果表明,与现有算法相比,本文提出的算法可以提高物理网络的收益/成本比和资源利用率。     

一种多QoS目标约束的云计算任务调度策略

针对云计算环境下大量用户任务请求各异的服务质量（Quality of Service, QoS）调度目标要求,通过综合考虑云用户任务的截止时间底线、调度预算等QoS目标约束条件以及各类可用资源的性能参数,对任务调度的多QoS目标约束条件进行形式化建模,基于构造的隶属度函数将多QoS目标约束的优化求解问题转化成一个单目标约束的优化问题,对转化后的单目标约束优化问题进行近似求解,最终提出一种多QoS目标约束的云计算任务调度策略。在CloudSim模拟器上的仿真结果表明,提出的多QoS目标约束的云计算任务调度策略总体上优于传统的Min-min算法以及改进的以QoS为导向的Min-min算法。     

考虑震后道路可靠性的多目标应急调度问题研究

针对重大自然灾害应急物资调度决策问题，提出一种考虑灾后道路可靠性的多目标优化应急调度模型，以最长车辆行驶时间最小、最小车辆行驶路径可靠度最大和系统物资未满足度最小为目标函数，采用第二代非支配排序遗传算法（NSGA-Ⅱ）和加权遗传算法（GA）进行求解，并对求解目标函数结果进行对比分析.以“汶川地震”为仿真算例，结果表明：在多目标应急调度问题上，NSGA-Ⅱ各目标最优解均优于加权GA算法且收敛速度更快，验证了该应急调度模型的有效性.