面向节能的云计算任务调度策略研究.pdf

基于改进粒子群算法的云计算任务调度算法.pdf

遗传算法在云计算任务调度算法中的应用研究.pdf

基于不同分配策略的云计算任务调度性能比较与分析.pdf

基于遗传算法的云计算任务调度.pdf

云计算任务调度策略研究 (1).pdf

基于改进的蝗虫算法的云计算任务调度研究.pdf

利用云中资源进行高效任务调度是保证云计算系统可靠运行的关键问题。提出一种基于改进蚁群优化算法的任务调度方法。算法采用蚂蚁系统的伪随机比例规则进行寻优，防止算法过快收敛到局部最优解，同时结合排序蚂蚁系统和最大最小蚂蚁系统的设计思想完成信息素更新，有效求解优化问题。实验结果显示，该算法具有很好的寻优能力，提高了云资源的利用率。

随着云计算的蓬勃发展，针对云计算中虚拟机负载不均衡及任务集完成时间较长的问题，提出了一种基于蚁群优化的任务负载均衡调度算法（WLB-ACO）。首先基于当前虚拟机的资源利用情况判断虚拟机的负载状态，其次，根据虚拟机的负载因子定义信息素的挥发因子（w），改进信息素更新规则，并利用WLB-ACO合理的分配任务，使整个系统达到负载均衡状态的同时任务集的完成时间最短。最后，采用Cloudsim工具设计仿真实验，实验结果表明，提出的基于蚁群优化的任务调度算法在性能、最短完成时间及算法的稳定收敛性上有了一定的提高。

对云计算任务调度进行了研究，针对用户满意度和云提供商利益需求，提出一种融合粒子群和遗传算法的PSOGA改进算法。首先根据云环境特点对虚拟机资源进行分类，同时引入任务‐资源满意度距离、资源综合性能概念；然后对粒子群初始粒子操作进行优化，来提高粒子质量；最后为克服粒子易陷入局部最优解问题，加入遗传算法（GA）的交叉、变异操作，扩展粒子的搜索空间。仿真结果表明，该调度策略提高了用户满意度的同时减少了任务的完成时间，是云平台下一种有效的任务调度策略。