基于模糊聚类的云任务调度优化策略研究

广西大学  董世龙

首先，针对应用于云计算环境下的传统串行模糊聚类划分算法进行研究，对比分析了三种传统聚类算法（传递闭包法、最大树法和编网法），并总结了它们的特点和不足，提出了基于模糊等价关系和模糊相似处理的优化和并发策略，能够减少聚类的运算量，提高聚类运算效率，大幅缩短聚类耗时。实验结果表明，提出的优化和并发策略能够有效解决现有工作在面对中小规模云集群资源聚类划分过程中聚类耗时开销过大的问题。然后，针对现有工作在面对大规模集群资源聚类运算时，传统模糊聚类算法始终存在的运算内存不足、计算量超大，直接导致无法进行云集群资源聚类划分运算的问题，提出一种基于MapReduce框架的模糊聚类算法并行化实现方案，并提出通过构造一个;同构;小型云去调度一个;异构;大型云的设想。

基于模糊聚类的云任务调度优化策略研究