没有合适的资源?快使用搜索试试~ 我知道了~
⃝⃝可在www.sciencedirect.com在线ScienceDirectICT Express 5(2019)110www.elsevier.com/locate/icte基于均值灰狼优化算法的异构云环境任务调度Gobalakrishnan Natesana,b,ArunChokkalingamcaSathyabama科学技术研究所,印度b印度泰米尔纳德邦钦奈圣约瑟夫工程学院信息技术系&接收日期:2018年5月19日;接受日期:2018年2018年8月3日在线发布摘要任务调度的主要目标是在资源上调度任务,并使调度目标最小化。在这项研究中,我们提出了平均灰狼优化算法,以提高系统的性能有耗尽的调度问题。该方法的主要目标是最小化最大完工时间和能耗。所提出的算法的目标已被评估使用CloudSim工具包的标准工作负载。仿真结果表明,与现有的其他算法相比,本文提出的Mean GWO算法具有较好的性能。c2018 韩 国 通 信 与 信 息 科 学 研 究 所 ( KICS ) 。 Elsevier B. V. 的 出 版 服 务 。 这 是 CC BY-NC-ND 许 可 证 下 的 开 放 获 取 文 章(http://creativecommons.org/licenses/by-nc-nd/4.0/)。关键词:优化;云计算;平均GWO算法;最大跨度;能耗1. 介绍在计算机领域竞争激烈的技术中,云计算是最重要的领域之一。几乎每一家财富500强公司都在将其基础设施推向云端,使他们能够将生产率提高一倍,并相对轻松地提供更无缝的服务云计算背后的核心思想是,它允许用户远程存储数据在世界的一个角落,并从任何地方访问相同的,只要你有一个互联网连接[1]。这些服务分为三个级别:软件即服务(SaaS)、平台即服务(PaaS)和基础设施即服务(IaaS)。这些服务中的大多数都是基于通过互联网的应用程序虚拟化[2]。这里的重点是任务调度,这在云计算环境的性能方面非常重要通讯作者:Sathyabama科学技术研究所电子邮件地址:gobalakrishnanse@gmail.com(G.Natesan),arunece@gmail.com(A. Chokkalingam)。同行评审由韩国通信和信息科学研究所(KICS)负责https://doi.org/10.1016/j.icte.2018.07.002当开发人员使用云时,他们最有可能使用的是共享资源。特殊的算法被用来映射资源的各种用户的基础上,他们的要求。为了给用户提供最有效的解决方案,我们需要更复杂的高效调度算法。当部署简单的应用程序时,不会有太大的问题,但随着更复杂的应用程序和数据的部署,我们需要这样的算法来管理数据中心。一般来说,NP难问题[3枚举方法是不可行的,因为它最初要求我们建立所有可能的任务分配器,并将它们相互比较,以找到最佳解决方案,这将花费大量的时间。因此,我们的下一个手段将是转向启发式和元启发式技术[6我们现在唯一的机会是转向元启发式算法,如遗传算法(GA),粒子群优化(PSO)和灰狼优化(GWO)[9]。本文提出了一种基于元启发式均值灰太狼算法的云任务调度算法,2405-9595/c2018韩国通信和信息科学研究所(KICS)。出版社:Elsevier B.V.这是一篇基于CC BY-NC-ND许可证的开放获取文章(http://creativecommons.org/licenses/by-nc-nd/4.0/)。G. Natesan和A.Chokkalingam/ICT Express 5(2019)1101112--{}minF =maxC(2)xyVM×X12Fig. 1. 云环境下的任务调度框架任务在云中的执行时间。出于评估目的,CloudSim环境使用所提出的算法在模拟数据中心中执行一些常见的工作负载。这份手稿的其余部分结构如下。第2节描述了拟议的框架、问题描述和性能指标。第3节讨论了拟定的平均GWO。仿真结果和结论分别在第4节和第5能耗最终目标是能耗,它与云中数据中心的数量成正比随着数据中心数量的增加,能源因素也会增加。通过将分布矩阵元素乘以虚拟机消耗的能量来计算能量消耗:M n2. 该方法2.1. 框架用户或消费者提交的任务由任务管理器或云代理收集和管理云代理的功能是管理所有登记的任务并将其呈现给调度器。这个调度员扮演着不可或缺的角色-EC=1∑∑rij×dij(3)i=1j= 1其中,Rij表示分布矩阵中的元素,并且Dij是在任务执行期间由每个资源利用的能量。VM表示虚拟机(VM),X表示任务数量。能量消耗目标函数表示为能够为用户提交的任务分配可用VM集的角色。为了优化分配过程,调度程序与资源信息服务器(RIS)协同工作,RIS通知调度程序有关可用的Fmin=EC(四)每个VM的资源和能力。RIS汇总来自数据中心的信息。云资源(如虚拟化和物理资源)以及CPU、内存和存储资源在数据中心进行聚合和管理。调度器现在分析这些资源,确定任务将被分配给哪个VM并分配每个任务,从而实现提高的效率。所提出的框架如图1所示. 1.一、2.2. 性能度量健身功能。所提出的工作的主要目标是在云环境中的任务调度,以优化执行时间和能源消耗。为了实现上述目标,计算适应度函数,以评估解决方案的质量。然而,对于每一个优化问题,需要适应度函数找出最近的最优解。能量和时间约束的适应度函数在等式中给出。(一)最后一步F F( I)=α×Fmin+(1−α)×Fmin(五)其目标是通过确定要分配其中适应度函数表示为FF(I)。这里α是一个常数,α的值在1> α≥ 0之间。Fmin为第一个到VM。 假设({1,2,3. . . Cxy,x ∈ m},y ∈ {1,2,3. . . ,n})目标是最小化任务执行时间。F1min是第二个是在第x个VM上执行第y个通过Makespan= maxCxy,将所有任务y映射到VMi来i{1,2,3. . . . . . ,m}(1)12目标是最大限度地减少能源消耗。3. 改进均值灰狼优化算法本文提出用均值灰狼优化[9]变型算法来提高精度112G. Natesan和A.Chokkalingam/ICT Express 5(2019)110⃗ ⃗⃗和GWO算法的性能。该方法对环绕方程和蛇行方程进行了修正。其余方程/程序与标准GWO算法[9]相似。该技术的主要目的是提高运动的效率,并且在搜索区域内存在每只狼的合适路径MGWO算法集中在以下几个部分:包围猎物。在狩猎过程中,被灰狼包围的猎物可以使用以下公式进行即兴创作。D=C·Xp(t)−θ·(X(t))(6)3.1. MGWO的伪代码X(t+1)=Xp(t)−A·D(七)其中θ是均值,前位置向量表示为Xp,“t”是当前迭代,灰狼位置向量表示为X(t)。矢量A和C表示如下:A=2a·r1−a(八)C=2·r2(9)其中a的元素从2减小到0。r1,r2取[0,1]之间的某个随机值。猎云网α、β和δ群体不规则地参与和指导猎物的狩猎。最初,候选的三个最佳和最优解用α、β、δ表示,剩余的解用ω表示。狼的每一个位置都是临时准备的在搜索空间区域中通过计算位置的平均值。D<$α=<$C<$1·X<$α−θ·X<$(t)<$(10)D<$β=<$C<$2·X<$β−θ·X<$(t)<$(11)D<$δ=<$C<$3·X<$δ−θ·X<$(t)<$(12)X<$1=X<$α−A<$1·(D<$α)(13)X2=Xβ−A2·(Dβ)(14)X3=Xδ−A3·(Dδ)(15)G. Natesan和A.Chokkalingam/ICT Express 5(2019)1101134. 结果和讨论4.1. 实验环境该部分是所有关于计算实验,用于评估所提出的技术的性能。利用cloudsim工具对该算法进行了仿真这个工具包的基础平台依赖于JAVA。所有这些实验都在具有Intel(R)Core(TM)i5-457、4个CPU@2.9 GHz、8 GB RAM和64位Windows操作系统的PC上进行了验证。文中给出了能耗最小、时间最短的仿真并与PSO算法和标准GWO算法进行了比较。参数以以下形式表示表1。在这个实验中,使用两个不同的数据集,以检查所提出的技术的性能。它们是左偏和右偏的,X(t+1)X1+X2+X33(十六)有100左偏斜有更少的小尺寸任务和更大尺寸的任务,而右偏斜有更多的小尺寸任务和更少的大尺寸任务。=114G. Natesan和A.Chokkalingam/ICT Express 5(2019)110表1实验设置。参数值数据中心数量5主机数量10主机内存容量10 GB主机带宽2800 MbpsVM数量50VM策略Time_SharedVMM/虚拟机管理程序XenvCPU数量[1VM RAM大小[512vCPU容量[500虚拟机操作系统Linux带宽[250-1500]任务数量[100任务MIPS [200图二. 50个虚拟机的左偏最大跨度。4.2. 最大完工时间评价建议的平均GWO的性能结果检查的最大完工时间。所提出的工作进行了比较,PSO和标准的GWO任务调度。使用的数据集任务数量从100到500不等。在此模拟中,任务执行30次,然后计算平均值。对于所有这些数据集,考虑50个VM。使用建议的平均GWO,PSO和标准GWO执行任务的平均完工时间表示在图2中。2和3 .第三章。对于左偏,当云任务数为100时,平均GWO,PSO和标准GWO的最大完工时间值分别为58.53,72.23和6362。类似地,当云任务的数量为500时,平均GWO、PSO和标准GWO的最大完工时间值分别为397.59、435.24和408.91。的PIR左偏曲线表明,提出的平均GWO算法比PSO算法和标准GWO算法分别提高了9.67%和3.37%的完工时间类似地,在右偏斜中,当云任务的数量为200时,最大完工时间值为103.45、111.13和105.57.然而,当云任务的数量为400时,完工时间值分别为232.96、256.02和243.22。在右偏情况下,PSO和标准GWO的最大完工时间改进分别为10.16和4.664完工时间图三. 50个虚拟机的右偏最大跨度。见图4。200个任务的左偏能量消耗。与PSO和标准GWO相比,建议的平均GWO产生的改善值4.3. 能耗图图4和图5描绘了使用平均GWO、PSO和标准GWO的左偏斜和右偏斜数据集的能量消耗。从实验结果来看,所提出的平均GWO技术降低了能量消耗,从而提高了性能。在该模拟中,进行30次迭代以评估任务执行期间的能量消耗。粒子群算法的迭代次数最少,如(5,10),比其他两种算法产生更好的结果。当迭代次数增加时,所提出的平均GWO方法产生更好的结果比PSO和标准GWO。图4示出了用于具有各种迭代的200个任务执行的左偏斜数据的能量消耗。类似地,图5中示出了具有各种迭代的400个任务的右偏斜数据能耗。实验分析表明,相对于左偏斜和右偏斜,该技术在任务执行过程中消耗的能量最小。G. Natesan和A.Chokkalingam/ICT Express 5(2019)110115图五. 400个任务的右偏能耗。5. 结论在这项工作中,基于执行时间和能量消耗的任务调度的主要目标是实现在云环境中为了实现上述目标,我们使用了Mean-GWO技术以及两个数据集(左偏和右偏)。仿真结果表明,与现有的PSO算法和标准GWO算法相比,提出的均值GWO算法提高了任务调度的性能。未来,除了执行时间和能量等QoS参数外,可靠性、负载不平衡和安全性等其他参数也可以与Mean-GWO技术集成,并在真实的云环境中实现。利益冲突作者声明,本文中不存在利益冲突引用[1] R. Buyya,C.S. Yeo,S.韦努戈帕尔岛云计算和新兴的IT平台:愿景,炒作,和现实提供计算作为第五个实用程序,未来一代计算。25(6)(2009)599-616。[2] W. Chen,G.谢河,巴西-地Li,Y.拜角,加-地范,K.Li,Efficienttaskschedulingforbudgetconstrainedparallelapplicationsonheterogeneous cloud computingsystems , Future Gen.Comput. Syst 74(2017)1-11.[3] M.南卡罗来纳州库马尔Sharma,基于动态负载均衡的云计算环境下资源利用率优化算法,国际计算杂志。Appl(2017)1-10.[4] N.戈巴拉克里希南角Arun,一种新的多目标优化规划模型,用于云计 算 中 使 用 遗 传 灰 狼 优 化 的 任 务 调 度 , Comput.J ( 2018 ) .http://dx.doi.org/10.1093/comjnl/bxy009网站。[5] K. Pradeep,T.P. Jacob,CGSA调度器:云环境中基于多目标的混合任务调度方法,Info. 安全J.: A GlobalPerspe 27(2)(2018)77-91.S.[6] J. Zhou,S. Dong,混合萤火虫群优化用于云环境中的任务调度,Eng. Optim。50(6)(2018)949-964。[7] N.戈巴拉克里希南角Arun,基于反对学习的灰狼优化算法在云环境中的并行机调度,国际互联网。J. Intell(英特尔)发动机10(1)(2017)186-195.[8] L. 泰勒,美国De Paula,Y.Frota,D.De Oliveira,L.M.Drummond,一种用于云上数据密集型科学工作流的任务调度和数据分配的混合进化算法,Future Gen.Comput。系统76(2017)1-17。[9] Mirjalili,S.M.Mirjalili,A.Lewis,Grey Wolf Optimizer,Adv.Eng. 软.69(2014)46-61。
下载后可阅读完整内容,剩余1页未读,立即下载
cpongm
- 粉丝: 4
- 资源: 2万+
上传资源 快速赚钱
- 我的内容管理 收起
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
会员权益专享
最新资源
- RTL8188FU-Linux-v5.7.4.2-36687.20200602.tar(20765).gz
- c++校园超市商品信息管理系统课程设计说明书(含源代码) (2).pdf
- 建筑供配电系统相关课件.pptx
- 企业管理规章制度及管理模式.doc
- vb打开摄像头.doc
- 云计算-可信计算中认证协议改进方案.pdf
- [详细完整版]单片机编程4.ppt
- c语言常用算法.pdf
- c++经典程序代码大全.pdf
- 单片机数字时钟资料.doc
- 11项目管理前沿1.0.pptx
- 基于ssm的“魅力”繁峙宣传网站的设计与实现论文.doc
- 智慧交通综合解决方案.pptx
- 建筑防潮设计-PowerPointPresentati.pptx
- SPC统计过程控制程序.pptx
- SPC统计方法基础知识.pptx
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功