| 【中文题名】 | 迁移工作流系统中基于遗传算法的服务主体优选机制 |
| 【英文题名】 | Preferential Choice Scheme of Service Provider Based on Genetic Algorithm in Migrating Workflow System |
| 【学科专业】 | 计算机应用技术 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-7-19 |
| 【中关键词】 | 迁移工作流,迁移实例,负载均衡,遗传算法,Pareto优化, |
| 【英关键词】 | migrating workflow,migrating instance,load balancing,genetic algorithm,Pareto optimization, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>计算技术、计算机技术>计算机软件>程序设计、软件工程>软件工程 |
| 【论文摘要】 |
迁移工作流(migrating workflow)是近年工作流管理研究的一个新方向。基于移动计算范型的迁移工作流系统包括工作流引擎、迁移实例和工作位置三个要素。工作流引擎完成工作流过程定义、迁移实例生成和多迁移实例协调等工作；迁移实例是任务的执行主体；工作位置包括停靠站服务器及其管理的工作机网络，是迁移实例的运行场所。工作流业务过程根据业务目标的复杂程度被映射为一个或多个迁移实例。迁移实例为完成任务将根据自己的旅行图在工作位置间迁移。
停靠站服务器作为迁移实例的运行支撑平台和工作机网络的负载分配器，必须有良好的服务主体优选机制，以提高工作机网络的性能和资源利用率。
本文根据迁移工作流的概念模型和迁移工作流系统参考框架，基于遗传算法和Pareto优化方法对停靠站服务器的服务主体优选机制进行了研究，提出了一个使工作位置多资源负载均衡的算法。
该算法首先建立了服务主体优选的数学模型，构造了问题的多目标函数，并利用遗传算法对迁移域中的工作机状态进行编码；遗传算法的优化结果可能引起正在运行的迁移实例脱离其迁移域，本文提出了编码固定点的概念，以保证相应迁移实例的服务主体不发生变化；随后给... |
| 【论文题纲】 |
|
摘要 |
8-10 |
|
ABSTRACT |
10-12 |
|
第1章 绪论 |
12-15 |
|
1.1 课题研究背景和意义 |
12-13 |
|
1.2 课题研究内容与现状 |
13-14 |
|
1.3 论文创新点 |
14 |
|
1.4 本文的组织结构 |
14-15 |
|
第2章 相关的研究工作 |
15-26 |
|
2.1 遗传算法简介 |
15-23 |
|
2.1.1 遗传算法基本概念 |
15-18 |
|
2.1.2 多目标优化问题 |
18-23 |
|
2.2 负载均衡问题 |
23-25 |
|
2.2.1 负载均衡的概念 |
23 |
|
2.2.2 网络负载均衡常用的方法 |
23-25 |
|
2.3 本章小结 |
25-26 |
|
第3章 迁移工作流管理系统 |
26-44 |
|
3.1 工作流管理系统 |
26-32 |
|
3.1.1 工作流管理系统概念 |
26-28 |
|
3.1.2 工作流管理系统的分类 |
28-31 |
|
3.1.3 工作流技术的现状和发展趋势 |
31-32 |
|
3.2 移动Agent技术 |
32-36 |
|
3.2.1 移动Agent概念 |
32-33 |
|
3.2.2 移动Agent的主要优点 |
33-34 |
|
3.2.3 移动Agent与工作流管理系统 |
34-36 |
|
3.3 迁移工作流管理系统 |
36-43 |
|
3.3.1 迁移工作流定义 |
36-38 |
|
3.3.2 迁移工作流系统框架 |
38-39 |
|
3.3.3 停靠站服务器体系结构 |
39-41 |
|
3.3.4 停靠站服务器任务派遣机制 |
41 |
|
3.3.5 现有的服务主体优选机制 |
41-42 |
|
3.3.6 工作位置负载均衡问题 |
42-43 |
|
3.4 本章小结 |
43-44 |
|
第4章 基于Pareto遗传算法的服务主体优选机制 |
44-53 |
|
4.1 问题描述 |
44 |
|
4.2 服务主体优选的数学模型 |
44-45 |
|
4.3 遗传算法设计 |
45-48 |
|
4.3.1 迁移实例的编码 |
45-46 |
|
4.3.2 染色体种群初始化 |
46 |
|
4.3.3 适应度函数设计 |
46-47 |
|
4.3.4 选择操作 |
47 |
|
4.3.5 交叉操作 |
47-48 |
|
4.3.6 变异操作 |
48 |
|
4.4 Pareto优化 |
48-51 |
|
4.4.1 适应度函数优化 |
49 |
|
4.4.2 选择操作优化 |
49-50 |
|
4.4.3 Pareto解集和精英保留策略 |
50 |
|
4.4.4 排除非法解 |
50-51 |
|
4.4.5 选择决策方案 |
51 |
|
4.5 Pareto遗传算法过程 |
51-52 |
|
4.6 本章小结 |
52-53 |
|
第5章 算法举例及性能分析 |
53-57 |
|
5.1 算法举例 |
53-54 |
|
5.2 算法性能分析 |
54-56 |
|
5.2.1 终止条件的选择 |
54-55 |
|
5.2.2 遗传算法优点的发挥 |
55 |
|
5.2.3 多资源负载均衡的实现 |
55 |
|
5.2.4 调度倾泻的避免 |
55-56 |
|
5.3 本章小结 |
56-57 |
|
第6章 结束语 |
57-58 |
|
参考文献 |
58-62 |
|
致谢 |
62-63 |
|
攻读硕士期间发表的学术论文目录 |
63-64 |
|
在读期间参与科研项目情况 |
64-65 |
|
所获奖励 |
65-66 |
|
学位论文评阅及答辩情况表 |
66 |
|
| 【DOI】 | LunWen.ID:2.2008.388655 |
