[1]邓 泓,刘志超,王蓝星,等.多目标云资源最佳适应匹配算法的研究[J].江西师范大学学报(自然科学版),2018,(06):621-626.[doi:10.16357/j.cnki.issn1000-5862.2018.06.13]
 DENG Hong,LIU Zhichao,WANG Lanxing,et al.The Study on Optimal Adaptive Matching Algorithm for Multi-Objective Cloud Resources[J].,2018,(06):621-626.[doi:10.16357/j.cnki.issn1000-5862.2018.06.13]
点击复制

多目标云资源最佳适应匹配算法的研究()
分享到:

《江西师范大学学报》(自然科学版)[ISSN:1006-6977/CN:61-1281/TN]

卷:
期数:
2018年06期
页码:
621-626
栏目:
信息科学与技术
出版日期:
2018-12-20

文章信息/Info

Title:
The Study on Optimal Adaptive Matching Algorithm for Multi-Objective Cloud Resources
文章编号:
1000-5862(2018)06-0621-06
作者:
邓 泓12刘志超3王蓝星3彭莹琼12*
1.江西农业大学软件学院,江西 南昌 330045; 2.江西省高等学校农业信息技术重点实验室,江西 南昌 330045; 3.江西农业大学计算机与信息工程学院,江西 南昌 330045
Author(s):
DENG Hong12LIU Zhichao3 WANG Lanxing3 PENG Yingqiong12*
1.School of Software,Jiangxi Agricultural University,Nanchang Jiangxi 330045,China; 2.Key Laboratory of Agricultural Information Technology of Jiangxi College,Nanchang Jiangxi 330045,China; 3.School of Computer and Information Engineering,Jiangxi Agricu
关键词:
云资源匹配 用户需求 树型云资源属性管理表 多目标云资源最佳适应匹配算法
Keywords:
resource matching user needs AMT-Tree MoOam
分类号:
TP 311
DOI:
10.16357/j.cnki.issn1000-5862.2018.06.13
文献标志码:
A
摘要:
随着云计算的持续研究和发展,面向用户需求的云资源管理与选择是云计算中的重要研究方向之一.为了满足用户的多种云资源需求,使用树型云资源属性管理表(AMT-Tree)对云资源进行管理,并提出一种多目标云资源最佳适应匹配算法(MoOam),保障用户在海量数据下得到最优资源.实验结果表明:MoOam算法在资源匹配中是有效的.
Abstract:
With the continuing research and development of cloud computing,the management and selection of cloud resources for user needs is one of the most important aspects of cloud computing.In order to meet the user's multiple cloud resource requirements,the tree of cloud resource attribute management table(AMT-Tree)is proposed to manages the cloud resources,and a multi-objective cloud resource optimal adaptive matching algorithm(MoOam)is proposed,which guarantees the optimal resources of users under massive data.The experiment shows that the MoOam algorithm is effective in resource matching.

参考文献/References:

[1] 刘鹏.云计算[M].2版.北京:电子工业出版社,2011:1-3.
[2] 梁庆中.混合云平台上多目标任务调度算法研究[D].北京:中国地质大学,2015.
[3] Gaurang Patel,Rutvik Mehta,Upendra Bhoi,et al.Enhanced load balanced min-min algorithm for static meta task scheduling in cloud computing[J].Procedia Compute Science,2015,57: 545-553.
[4] 史少锋,刘宴兵.基于动态规划的云计算任务调度研究[J].重庆邮电大学学报:自然科学版,2012,24(6):687-690.
[5] 熊聪聪,冯龙,陈丽仙,等.云计算中基于遗传算法的任务调度算法研究[J].计算机应用,2016,36(3):633-636.
[6] 于国龙,催忠伟,左羽.基于离散粒子群优化的MPSoC节能调度算法[J].江西师范大学学报:自然科学版,2016,40(3):307-311.
[7] Xue Shengjun,Li Mengying,Xu Xiaolong,et al.An Aco-LB algorithm for task scheduling in the cloud environment[J].Journal of Software,2014,9(2):466-473.
[8] 王波,张晓磊.基于粒子群遗传算法的云计算任务调度研究[J].计算法工程与应用,2015,51(6):85-88.
[9] 曹阳,刘亚军,等.基于遗传-蚁群算法的云计算任务调度优化[J].吉林大学学报:理学版,2016,54(5):1077-1081.
[10] Guo Lizheng,Zhao Shuguang.Task scheduling optimization in cloud computing based on heuristic algorithm[J].Journal of Net Works,2012,7(3):547-553.
[11] 查安民,谭文安.融合粒子群与蚁群的云计算任务调度算法[J].计算机技术与发展,2016,26(8):24-29.
[12] 张兴国,周东健,李成浩.基于粒子群蚁群融合算法的移动机器人路径优化规划[J].江西师范大学学报:自然科学版,2014,38(3):275-277.
[13] 华夏渝,郑骏,胡文心.基于云计算环境的蚁群优化计算资源分配算法[J].华东师范大学学报:自然科学版,2010(1):127-134.
[14] Ergu D,Kou Gang,Peng Yi,et al.The analytic hierarchy process:task scheduling and resource allocation in cloud computing environment[J].Journal of Supercomputing,2013,64(3):835-848.
[15] 刘之家.基于云计算的“用户期待”任务调度算法的研究[J].大众科技,2011(4):75-77.
[16] 罗晓峰.基于QoS参数映射的云资源选择与匹配方法研究[D].呼和浩特:内蒙古大学,2015.
[17] 刘思峰,党耀国,方志耕.灰色系统理论及其应用[M].7版.北京:科学出版社,2014.

备注/Memo

备注/Memo:
收稿日期:2018-02-11
基金项目:国家自然科学基金(71362019),江西省科技计划(20123BBF60177),江西省普通本科高校中青年教师发展计划访问学者专项资金(赣教办函[2016]109)和江西省教育厅科技课题(GJJ14282)资助项目.
作者简介:邓泓(1977-),男,江西都昌人,副教授,主要从事农业信息化与图像处理研究.E-mail:jxaudh@aliyun.com
通信作者:彭莹琼(1978-),女,江西萍乡人,副教授,主要从事计算机视觉处理研究.E-mail:jneyq_pyq@163.com
更新日期/Last Update: 2018-12-20