王 勃 徐 靜 孫雪瑩

（1.陜西國(guó)防工業(yè)職業(yè)技術(shù)學(xué)院計(jì)算機(jī)與軟件學(xué)院 西安 710300）（2.陜西國(guó)防工業(yè)職業(yè)技術(shù)學(xué)院經(jīng)濟(jì)管理學(xué)院 西安 710300）（3.西安電子科技大學(xué)物理與光電工程學(xué)院 西安 710071）

1 引言

隨著計(jì)算機(jī)網(wǎng)絡(luò)的快速發(fā)展，網(wǎng)絡(luò)將遍布在各個(gè)地域，包括手機(jī)、電腦、物聯(lián)網(wǎng)終端等各種信息終端設(shè)備連接在一起，形成高速運(yùn)轉(zhuǎn)的服務(wù)器端，由于終端設(shè)備不斷增加，最終將導(dǎo)致運(yùn)行速度、可靠性、高效性、靈活性不斷降低［1］。云計(jì)算作為全新的網(wǎng)絡(luò)構(gòu)架，可以對(duì)網(wǎng)絡(luò)資源重新計(jì)算，合理分配，滿足客戶端的不同需求，不斷提高和改善網(wǎng)絡(luò)服務(wù)質(zhì)量，使客戶獲取最大的網(wǎng)絡(luò)信息資源。以此為基礎(chǔ)，對(duì)云計(jì)算調(diào)度資源技術(shù)和策略要求也不斷調(diào)高，由于傳統(tǒng)計(jì)算方式缺乏必要的準(zhǔn)確性、安全性，提出基于蟻群優(yōu)化的云計(jì)算調(diào)度資源模型，該模型中蟻群使用自適應(yīng)搜索，具有較高的魯棒性、協(xié)作性、安全性、易擴(kuò)展性和并行性，能使云計(jì)算環(huán)境下的蟻群達(dá)到最佳的尋優(yōu)能力，提高效率，達(dá)到資源利用的最大化。

2 蟻群優(yōu)化算法

蟻群優(yōu)化算法（Ant Colony Optimization，ACO）是一種仿生模擬蟻群外出尋覓食物的方式，在整個(gè)蟻群在運(yùn)動(dòng)過(guò)程中，［2］通過(guò)每個(gè)螞蟻之間互相傳遞信息，完成整個(gè)問(wèn)題的最佳解決方案。具有分布處理（Distributed Computing）、并行處理（Parallel Com?puting）和網(wǎng)格計(jì)算（Grid Computing）等計(jì)算特點(diǎn)，蟻群從覓食起點(diǎn)到回歸終點(diǎn)，通過(guò)隨機(jī)尋找最優(yōu)路徑，完成最短路徑間完成建構(gòu)，實(shí)現(xiàn)沿路信息及時(shí)更新，相互聯(lián)系，顯示出該算法的高效、安全［3］。

3 蟻群優(yōu)化算法的云計(jì)算調(diào)度資源

3.1 算法原理

蟻群優(yōu)化算法加強(qiáng)了蟻群在群體覓食過(guò)程中的互相聯(lián)系的通訊過(guò)程，蟻群在覓食所經(jīng)過(guò)的路徑中不斷存儲(chǔ)服務(wù)信息，經(jīng)過(guò)起點(diǎn)到終點(diǎn)的過(guò)程，獲取沿路所有存儲(chǔ)服務(wù)信息，經(jīng)過(guò)優(yōu)化算法收集、處理后，定義為該算法的服務(wù)信息量，該信息記錄了蟻群本次覓食過(guò)程中所有狀態(tài)，并且也為后繼覓食蟻群提供重要的歷史參考信息。［4］由于蟻群在每次覓食時(shí)都采取隨機(jī)模式，因此蟻群可以不僅局限于前面蟻群所遺留的歷史信息，可以不斷更新服務(wù)信息點(diǎn)，發(fā)現(xiàn)更有效的新路徑。其架構(gòu)圖如圖1所示。

通過(guò)架構(gòu)圖可知網(wǎng)絡(luò)服務(wù)器端是建構(gòu)的中心，為蟻群提供網(wǎng)絡(luò)服務(wù)。［5］偵伺蟻以網(wǎng)絡(luò)服務(wù)器端為載體，搜尋到各種客戶端，并且使用最短的時(shí)間獲取最優(yōu)的路徑，并及時(shí)反饋給后繼蟻群，蟻群將偵伺蟻留下的共享信息資源通過(guò)最優(yōu)路徑，最短時(shí)間傳遞給客戶端，并將反饋信息及時(shí)回傳給網(wǎng)絡(luò)服務(wù)器端。

該算法為云計(jì)算調(diào)度資源構(gòu)建起擁有網(wǎng)絡(luò)服務(wù)端、客戶端群、信息存儲(chǔ)服務(wù)的三層服務(wù)保障體系。這三層體系即可單獨(dú)成為服務(wù)子云端，也可成為相互關(guān)聯(lián)、通訊，保證安全為一體的云端［6］。

圖1 架構(gòu)圖

3.2 云計(jì)算調(diào)度資源模型

3.2.1 構(gòu)建調(diào)度資源相關(guān)條件

在云計(jì)算調(diào)度資源中，其調(diào)度資源是重要的構(gòu)成部分，在一般情況下，在云計(jì)算中其調(diào)度資源被有效分解為多個(gè)子任務(wù)。根據(jù)子任務(wù)數(shù)據(jù)量的大小合理調(diào)度分配資源，有效提高計(jì)算效率。其函數(shù)可用式（1）所示。

在式（1）中，P()tf為調(diào)度分配資源使用的總時(shí)長(zhǎng)，Wb為云計(jì)算設(shè)置的虛擬機(jī)，其取值空間為W=｛W1，W2，…，Wb｝。U為服務(wù)信息點(diǎn)，其取值空間為U=｛U1，U2，…，Ub｝。C為子任務(wù) dj在虛擬機(jī)Wb上的工作時(shí)間。j為云計(jì)算子任務(wù)工作量大小，其取值空間為j=｛j1，j2，…，jb｝。 kju為調(diào)度資源的映射。Rjf為子任務(wù)在服務(wù)信息點(diǎn)Wb上調(diào)度關(guān)系。

3.2.2 調(diào)度模型

云計(jì)算調(diào)度資源使用蟻群Matlab優(yōu)化算法，就是將大量的網(wǎng)絡(luò)、服務(wù)器，客戶端、共享資源等采取簡(jiǎn)化、分布、并行、簡(jiǎn)化、映射等方法，將大量信息和資源進(jìn)行有效分解，產(chǎn)生了多任務(wù)系統(tǒng)，并對(duì)各任務(wù)系統(tǒng)加以標(biāo)注，并隨機(jī)獲取共享信息服務(wù)點(diǎn)資源［7］。其模型如式（1）所示。

3.2.3 算法流程

根據(jù)式（2）可得出如下流程［10］：

1）蟻群從覓食起點(diǎn)m出發(fā)。

2）獲取相關(guān)覓食初始參數(shù)。

3）判斷是否在可經(jīng)過(guò)路徑表s中。

4）如在可運(yùn)行路徑中，則獲取相關(guān)信息服務(wù)點(diǎn)位置，并搜集服務(wù)點(diǎn)信息資源。

5）如不在可運(yùn)行路徑中，則蟻群重新回到起點(diǎn)m，重新獲取初始參數(shù)，重新運(yùn)行判斷。

6）蟻群搜集完當(dāng)前經(jīng)過(guò)路徑中所有服務(wù)點(diǎn)信息資源后，判斷是否完成本次搜集工作。如完成，則到覓食終點(diǎn)n，并輸出結(jié)果。如未完成本次搜集任務(wù)，則跳回信息服務(wù)點(diǎn)，重新獲取剩余共享資源量［11］。

其流程圖如圖2所示。

圖2 流程圖

4 仿真和數(shù)據(jù)分析

該仿真實(shí)驗(yàn)使用20臺(tái)PC搭建云計(jì)算環(huán)境的模擬局域網(wǎng)，PC硬件配置如表1所示。

使用其中1臺(tái)搭建為云服務(wù)平臺(tái)，主要用來(lái)設(shè)置服務(wù)信息點(diǎn)，提供相關(guān)信息共享資源，具有數(shù)據(jù)挖掘、存儲(chǔ)等功能［12］。為使該平臺(tái)具有云計(jì)算的仿真環(huán)境，調(diào)度資源使用C#語(yǔ)言支持，結(jié)果分析、計(jì)算使用具有分布式架構(gòu)的Matlab平臺(tái)實(shí)現(xiàn)，該平臺(tái)可以提供高效的數(shù)據(jù)采集功能。在仿真實(shí)驗(yàn)中，設(shè)置每臺(tái)客戶端有6個(gè)服務(wù)信息點(diǎn)作為數(shù)據(jù)采集點(diǎn)，各服務(wù)信息點(diǎn)之間建立通訊關(guān)聯(lián)。使用調(diào)值參數(shù)g和p設(shè)置仿真數(shù)據(jù)，其中g(shù)代表信息服務(wù)點(diǎn)中共享信息量大小，設(shè)置取值區(qū)間為 0～100［13］。p為迭代反應(yīng)頻率，設(shè)置為200，400，600，800，1000，為體現(xiàn)實(shí)驗(yàn)數(shù)據(jù)的準(zhǔn)確性，應(yīng)采集相同條件下的20組仿真實(shí)驗(yàn)數(shù)據(jù)，并統(tǒng)計(jì)其平均值［14］。具體仿真實(shí)驗(yàn)數(shù)據(jù)如圖3所示。

表1 PC硬件表

圖3 迭代反應(yīng)數(shù)據(jù)

由圖3可知，隨著信息量值不斷增加，迭代反應(yīng)頻率也在不斷增加，但震蕩幅度在變小，變化相對(duì)較慢，其負(fù)載度較為均衡［15］。表明該算法在云計(jì)算調(diào)度資源上具有較強(qiáng)的尋優(yōu)能力，特別是隨著迭代次數(shù)的增加，蟻群數(shù)也對(duì)應(yīng)增加，表示其收縮頻率增加，也就加速了資源調(diào)度的速度。在總?cè)蝿?wù)量不變的情況下，縮短了調(diào)度的時(shí)間，提高了調(diào)度的效率，在速度優(yōu)化和尋優(yōu)能力上得到最佳結(jié)果，該方法可完全滿足大部分云計(jì)算調(diào)度資源中的相關(guān)問(wèn)題。

5 結(jié)語(yǔ)

本文提出了基于蟻群優(yōu)化算法的云計(jì)算調(diào)度資源模型的研究，通過(guò)仿真模擬，可以論證在云計(jì)算平臺(tái)下，處理大量數(shù)據(jù)信息，采用該種算法具有縮短響應(yīng)時(shí)間，提高運(yùn)算效率，在云計(jì)算調(diào)度資源上提出了最優(yōu)解決路徑，充分顯示出了其分布性、并行性、快速計(jì)算性等優(yōu)勢(shì)，具有一定的應(yīng)用價(jià)值。