K-means算法的改进及其在云任务分配策略中的应用研究
内蒙古农业大学 孙雪莹
本文通过深入研究K-means算法,针对传统K-means算法的不足,提出将细菌觅食算法和粒子群优化算法应用于K-means算法的改进,在MATLAB环境下仿真实验,验证了改进后的K-means算法的聚类质量有明显的提高。然后通过对基于传统K-means的任务调度算法的理论研究发现,该算法所表现的调度能力有待提高。因此利用改进后的K-means算法合理分组处理任务,然后进行Min-Min算法调度任务,以达到或接近最优解即任务分配方案。通过CloudSim云平台的仿真实验,,实验结果表明,该算法不仅有效降低了任务调度的总体完成时间,而且提高了任务分配效率和系统资源的利用率,在任务完成时间和负载平衡性上优于Min-Min算法和基于传统K-means的Min-Min算法。本文的研究思路将为以后的云计算任务分配策略的研究提供参考和帮助。
