云计算环境下带安全约束的工作流调度问题的研究

【摘要】：云计算作为一种新兴的技术,正在以爆炸式的方式快速发展着,并深入到了我们互联网生活的各个角落。云计算以其特有的虚拟化技术,把大量的物理计算资源虚拟化为资源池的形式,为广大的用户提供按需的、快速弹性的、可计量的服务。由于云平台中管理的用户和各类计算资源的数量都十分庞大,所以云平台中的资源调度问题一直是这一领域的热点研究问题。目前对云平台中资源调度问题的研究,大都集中在满足用户对任务的执行时间和执行开销等需求上,很少考虑用户在资源调度过程中对安全的需求。针对这一问题,本文在对云计算环境下的安全问题进行分析的基础上,提出了一种云计算资源调度中的安全约束模型,该模型采用了一种弹性的机制,综合了过于保守的安全型调度策略和过于激进的冒险型调度策略的优点,满足了用户的安全需求,并一定程度上降低了任务的完成时间和调度的代价。在此基础上,对本文研究的云环境下带安全约束的工作流任务调度问题,做了详细的形式化定义,并使用了粒子群算法、蚁群算法、遗传算法,这三大任务调度问题中常用的智能优化算法对该问题进行了求解。在使用粒子群算法时,为了避免其易陷入局部极值,求解精度不高等缺点,引入了变邻域搜索启发式对粒子群算法进行了改进,并给出了变邻域粒子群算法求解本文所研究问题的具体策略;在使用蚁群算法时,为了避免其易陷入局部极值,易过早陷入停滞状态的特点,引入了最大—最小蚁群算法,并给出了该算法求解本文所研究问题的具体策略;在使用遗传算法时,为了维持种群的多样性,防止算法出现早熟的现象,使用了自适应调整交叉概率和变异概率的方法,并给出了详细的求解策略。最后,本文在CloudSim仿真平台上对这三大算法做了仿真实验,并对实验结果做了对比分析,发现变邻域粒子群算法由于在全局搜索和局部搜索之间进行了良好的平衡,所以其求解速度和精度都优于其他两大算法。
【关键词】：云计算 资源调度 工作流 安全约束 变近邻粒子群算法 最大最小蚁群算法 自适应遗传算法
【学位级别】：硕士
【学位授予年份】：2013
【分类号】：TP393.09;TP18