云计算环境下基于能效的任务调度模型及其算法
毕业论文关键字：云计算；能效模型；任务调度；考虑时间和成本；粒子群优化算法
Cloud Computing Environment Task Scheduling Model And
Algorithm Based on Energy Efficiency
Abstract:Energy efficiency is one of the hotspots of current research studies under a
cloud environment. In this paper, energy-efficient task scheduling model is solved
using particle swarm optimization and local optimization carried out, in particular:
give decoding mode for each resource occupied by sub-task and select the appropriate
fitness function and determine ways to update the position and velocity of the particle
for the reasonable particle swarm initialization considering the definition of time and
cost. Experimental results show that, under the same conditions, it can achieve the
ideal scheduling results and save energy ultimately.
Key Words: Cloud Computing; Energy Efficiency Model; Task Scheduling; Consider
The Time And Cost; Particle Swarm Optimization Algorithm目 录
摘 要. 1
引言 2
1.能效模型 2
2.任务调度问题4
3.粒子群算法.4
3.1 间接编码.5
3.2 粒子群体初始化.7
3.3 粒子群算法的适应度函数 7
3.4 粒子位置和速度的更新.8
4.实验结果及分析 9
4.1 实验的仿真环境与设置.9
4.2 本文算法的性能分析9
5.结束语11
参考文献13
致谢 14
引言
近几年，云计算是人们探讨的热点。但是，云计算时代的到来并不会减少
Information Technology 资源。廉价的基础设施会带来昂贵的能源开销，计算机能
耗在未来几年内可能还会快速增长。为此，解决能效的问题刻不容缓。目前， 关
于能效的研究大多采用单一的功率作为能耗模型。 本文设计的模型则从运算及能
耗这两个角度来考虑，定义了一个能效的数学表达式。
云计算是并行计算和网格计算的发展，而且还运用到了商业领域，其基本思
想是利用庞大的计算处理任务，其任务再分成多个子任务，然后用多部服务器组
成的系统，经过搜索，计算分析之后把计算结果反馈给用户。对于巨大的计算任
务数量，目前的任务调度方法、资源分配方式还不能达到所要求的节能效果。 例
如，遗传算法、分层调度算法、蚁群优化算法、种群初始化方法、与能效相关的
耗感知的任务调度算法等， 它们都不能达到较好地兼顾调度执行时间最少与成本
最低问题，主要原因在于云计算模型中，任务执行所需要的成本也是一个不可忽
略的因素。不同计算能力的资源，其使用成本也不同。计算能力强的资源，其使
用成本较高；计算能力弱的资源，其计算成本也会随之降低。考虑了所有任务完
成时间与所有任务完成的总成本这两个方面。依据双适应度的原则，设计了基于
改进粒子群的任务调度算法。 主要目的是为了实现执行时间最少的情况下还能使
成本最低。从而，达到节能的效果。
1.能效模型
本文把能效的计算分为：网络、计算机、辅助设备等三个方面。这里仅探讨
计算机能效，即能源和效率两个方面的综合。
计算机的效率通常用每秒所执行的浮点运算次数（FLOPS）来衡量，电功率
上一篇：物联网技术最新研究现状进展综述