基于改进粒子群算法的云计算任务调度算法

娄建峰; 高岳林; 李飞; 张克平

Chinese

您当前的位置：

首页 >

文章列表页 >

基于改进粒子群算法的云计算任务调度算法

更新时间：2026-09-04

- 基于改进粒子群算法的云计算任务调度算法
- A Task Scheduling Algorithm Based on Improved Particle Swarm Optimization for Cloud Computing
- 微电子学与计算机 2016年33卷第8期页码：112-116
- 作者机构：
  
  1. 北方民族大学机构计算机科学与工程学院,宁夏,银川,750021
  2. 中国移动通信集团宁夏有限公司,宁夏,银川,750021
- 作者简介：
- 基金信息：
  
  国家自然科学基金项目 61561001北方民族大学重点科研项目资助 2015KJ10北方民族大学研究生创新项目 YCX1562
- DOI：
  中图分类号：
- 纸质出版：2016
- 稿件说明：
移动端阅览
娄建峰, 高岳林, 李飞, 张克平. 基于改进粒子群算法的云计算任务调度算法[J]. 微电子学与计算机, 2016, 33(8): 112-116.

LOU Jian-feng, GAO Yue-lin, LI Fei, et al. A Task Scheduling Algorithm Based on Improved Particle Swarm Optimization for Cloud Computing[J]. 2016, 33(8): 112-116.
娄建峰, 高岳林, 李飞, 张克平. 基于改进粒子群算法的云计算任务调度算法[J]. 微电子学与计算机, 2016, 33(8): 112-116. DOI：

LOU Jian-feng, GAO Yue-lin, LI Fei, et al. A Task Scheduling Algorithm Based on Improved Particle Swarm Optimization for Cloud Computing[J]. 2016, 33(8): 112-116. DOI：

摘要

面对云计算中的大量任务

为了对其进行高效的调度

缩短任务完成时间并提高资源利用率

对基于粒子群算法的云计算任务调度算法进行了研究.首先用自然数对粒子编码表示粒子的位置

并在解空间内随机初始化种群

每个粒子的位置对应一个可行的调度方案.每次迭代更新后

对粒子进行修复操作

为降低粒子跑出解空间的概率

同时对粒子速度进行限定.针对传统粒子群算法易陷入早熟的缺陷

加入混沌扰动策略使种群跳出局部最优.通过Cloudsim仿真平台进行实验测试

实验结果表明该算法能取得更好的调度结果并且收敛速度更快.

Abstract

Facing with large amount of tasks in cloud computing

a task scheduling algorithm based on improved Particle Swarm Optimization(PSO) was taken into research to minimize the task completion time and maximize the resource utilization. Firstly

the velocity and position of each particle are set randomly within the search space in the initialization. A swarm of particles are used to represent the potential solutions and the position of each particle is encoded by natural number. After each iteration update

legalized method was used to repair the particle. In order to reduce the probability of particles running out of the solution space

some method was taken to limit the velocity of each particle. For overcoming precocious

chaos was combined with PSO. By using chaos disturbance

the particles can have a better position. Cloudsim was used to stimulate cloud computing environment for experimental test. Experimental results show that compared with tradition PSO the improved PSO converges faster and have a better scheduling result.

关键词

Keywords

references

刘鹏. 云计算[M]. 2版. 北京: 电子工业出版社, 2011: 3-15. DOI: 3

Arfeen M A, Pawlikowski K, Willig A. A Framework for Resource Allocation Strategies in Cloud Computing Environment[C]//Computer Software and Applications Conference Workshops (COMPSACW), 2011 IEEE 35th Annual. [s. l. ]: IEEE, 2011, 261-266.

Bratton D, Kennedy J. Defining a standard for particle swarm optimization[C]//Proc of IEEE Swarm Intelligence Symposium. Honolulu: IEEE, 2007.

Jeffrey D, Sanjay G. MapReduce: simplified data processing on large clusters[J]. Communications of the ACM, 2008, 51(1): 107-113. DOI: 107

MG Huang, ZQ Ou, GY Song, et al. Review of task scheduling algorithm research in cloud computing[J]. Advanced Materials Research, 2014(926/930): 3236-3239. DOI: 3236

Bilgaiyan S, Sagnika S, Das M. An analysis of task scheduling in cloud computing using evolutionary and swarm-based algorithms[J]. International Journal of Computer Applications, 2014, 89(2): 11-18. DOI: 11

张彬桥. 云环境下计算资源调度策略与仿真研究[J]. 计算机仿真, 2013, 30(11): 392-395. DOI: 392

董丽丽, 黄贲, 介军. 云计算中基于差分进化算法的任务调度研究[J]. 计算机工程与应用, 2014, 50(5): 90-95. DOI: 90

朱宇航, 郑丽英, 邬开俊. 基于改进DE的云计算任务调度算法[J]. 兰州交通大学学报, 2013, 32(1): 101-106. DOI: 101

Calheiros R N, Ranjan R, Beloglazov A, et al. CloudSim: a toolkit for modeling and simulation of cloud computing environments and evaluation of resource provisioning algorithms[J]. Software: Practice and Experience, 2010, 41(1): 23-50. DOI: 23

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于改进乌鸦搜索算法的云计算任务调度研究

改进贪婪算法的云任务调度研究

基于文化基因算法的多目标云任务调度研究

基于Qos综合满意度的云计算任务调度策略

一种高效云任务调度博弈算法