基于负载均衡蚁群优化算法的云计算任务调度

被引：55

作者：

张焕青 ^{[1
]}

张学平 ^{[2
]}

王海涛 ^{[2
]}

刘彦涵 ^{[1
]}

机构：

[1] 解放军理工大学通信工程学院

[2] 解放军理工大学信息管理中心

来源：

微电子学与计算机 | 2015年 / 32卷 / 05期

关键词：

云计算; 任务调度; 蚁群算法; 负载均衡;

D O I：

10.19304/j.cnki.issn1000-7180.2015.05.007

中图分类号：

TP301.6 [算法理论];

学科分类号：

080201 [机械制造及其自动化];

摘要：

合理分配虚拟计算资源以有效进行任务调度是云计算中的一项核心问题.针对云计算任务调度过程中资源负载不均的问题,根据虚拟机负载情况提出信息素调整因子(pheromone adjustment factor,PAF),改进信息素更新规则.提出基于负载平衡的蚁群优化算法(Load Balancing Ant Colony Optimization,LBACO).改进的调度策略在云仿真平台CloudSim上进行实验,结果表明LBACO算法不仅能降低任务执行时间,还可有效保持云数据中心虚拟机资源负载平衡.

引用

页码：31 / 35+40 +40

页数：6

共 6 条

[1]

基于蚁群优化算法的云计算任务分配 [J].

张春艳 ;

刘清林 ;

孟珂 .

计算机应用, 2012, 32 (05) :1418-1420

[2]

基于蚁群算法的云计算需求弹性算法 [J].

范杰 ;

彭舰 ;

黎红友 .

计算机应用, 2011, 31(S1) (S1) :1-3+7

[3]

云计算及其关键技术 [J].

陈全 ;

邓倩妮 .

计算机应用, 2009, 29 (09) :2562-2567

[4]

An Efficient Approach to Genetic Algorithm for Task Scheduling in Cloud Computing Environment.[J].Shaminder Kaur;Amandeep Verma.International Journal of Information Technology and Computer Science(IJITCS).2012, 10

[5]

Computing in the clouds.[J].Aaron Weiss.netWorker.2007, 4

[6]

Ant colony optimization theory: A survey [J].

Dorigo, M ;

Blum, C .

THEORETICAL COMPUTER SCIENCE, 2005, 344 (2-3) :243-278

← 1 →