计算机科学
計算機科學
계산궤과학
Computer Science
2015年
8期
118-123
,共6页
张恒巍%韩继红%卫波%王晋东
張恆巍%韓繼紅%衛波%王晉東
장항외%한계홍%위파%왕진동
云计算%Map-Reduce%资源调度%粒子群算法%信息熵%混沌扰动
雲計算%Map-Reduce%資源調度%粒子群算法%信息熵%混沌擾動
운계산%Map-Reduce%자원조도%입자군산법%신식적%혼돈우동
Cloud computing%Map-Reduce%Resource scheduling%Particle swarm algorithm%Information entropy%Chaotic disturbance
为提高Map-Reduce模型资源调度问题的求解效能,分别考虑Map和Reduce阶段的调度过程,建立带服务质量(QoS)约束的多目标资源调度模型,并提出用于模型求解的混沌多目标粒子群算法.算法采用信息熵理论来维护非支配解集,以保持解的多样性和分布均匀性;在利用Sigma方法实现快速收敛的基础上,引入混沌扰动机制,以提高种群多样性和算法全局寻优能力,避免算法陷入局部最优.实验表明,算法求解所需的迭代次数少,得到的非支配解分布均匀.Map-Reduce资源调度问题的求解过程中,在收敛性和解集的多样性方面,所提算法均明显优于传统多目标粒子群算法.
為提高Map-Reduce模型資源調度問題的求解效能,分彆攷慮Map和Reduce階段的調度過程,建立帶服務質量(QoS)約束的多目標資源調度模型,併提齣用于模型求解的混沌多目標粒子群算法.算法採用信息熵理論來維護非支配解集,以保持解的多樣性和分佈均勻性;在利用Sigma方法實現快速收斂的基礎上,引入混沌擾動機製,以提高種群多樣性和算法全跼尋優能力,避免算法陷入跼部最優.實驗錶明,算法求解所需的迭代次數少,得到的非支配解分佈均勻.Map-Reduce資源調度問題的求解過程中,在收斂性和解集的多樣性方麵,所提算法均明顯優于傳統多目標粒子群算法.
위제고Map-Reduce모형자원조도문제적구해효능,분별고필Map화Reduce계단적조도과정,건립대복무질량(QoS)약속적다목표자원조도모형,병제출용우모형구해적혼돈다목표입자군산법.산법채용신식적이론래유호비지배해집,이보지해적다양성화분포균균성;재이용Sigma방법실현쾌속수렴적기출상,인입혼돈우동궤제,이제고충군다양성화산법전국심우능력,피면산법함입국부최우.실험표명,산법구해소수적질대차수소,득도적비지배해분포균균.Map-Reduce자원조도문제적구해과정중,재수렴성화해집적다양성방면,소제산법균명현우우전통다목표입자군산법.
