基于混沌猫群算法的云计算多目标任务调度

黄伟建; 辛风俊; 黄远

Chinese

您当前的位置：

首页 >

文章列表页 >

基于混沌猫群算法的云计算多目标任务调度

更新时间：2026-09-04

- 基于混沌猫群算法的云计算多目标任务调度
- Multi-objective task scheduling based on chaos cat swarm optimization in cloud computing
- 微电子学与计算机 2019年36卷第6期页码：55-59
- 作者机构：
  
  河北工程大学机构信息与电气工程学院,河北,邯郸,056000
- 作者简介：
- 基金信息：
  
  河北省自然科学基金项目 F2015402077河北省高等学校科学技术研究重点项目 ZD2014054
- DOI：
  中图分类号：
- 纸质出版：2019
- 稿件说明：
移动端阅览
黄伟建, 辛风俊, 黄远. 基于混沌猫群算法的云计算多目标任务调度[J]. 微电子学与计算机, 2019, 36(6): 55-59.

HUANG Wei-jian, XIN Feng-jun, HUANG Yuan. Multi-objective task scheduling based on chaos cat swarm optimization in cloud computing[J]. 2019, 36(6): 55-59.
黄伟建, 辛风俊, 黄远. 基于混沌猫群算法的云计算多目标任务调度[J]. 微电子学与计算机, 2019, 36(6): 55-59. DOI：

HUANG Wei-jian, XIN Feng-jun, HUANG Yuan. Multi-objective task scheduling based on chaos cat swarm optimization in cloud computing[J]. 2019, 36(6): 55-59. DOI：

摘要

对于云计算中多目标任务调度问题

提出了一种基于混沌猫群算法(chaos cat swarm optimization

CCSO)的多目标任务调度调度模型.该模型中把任务执行时间和系统负载均衡做为优化目标.模型中使用的调度算法通过搜寻和跟踪两种模式以及Logistic混沌映射对实验数据进行处理

进而得到最优任务调度解集.在CloudSim仿真平台上

将实验结果与遗传算法和粒子群优化算法进行比较.结果表明混沌猫群算法不仅缩短了任务执行时间也使系统负载更加趋于均衡

从而能更高效的完成云计算中多目标任务调度.

Abstract

Aiming at the multi-objective task scheduling problem in cloud computing

A multi-objective task scheduling model based on chaotic cat optimization algorithm (CCSO) is proposed.The scheduling algorithm used in the model processes the experimental data by searching and tracking two modes and Logistic chaotic map

and then obtaining the optimal task scheduling solution set.On the CloudSim simulation platform

making the simulation results compared with genetic algorithm(GA) and particle swarm optimization algorithm(PSO). The results show that the chaotic cat group algorithm not only shortens the time of task execution but also makes the system load more balanced

so that the multi-objective task scheduling in cloud computing can be completed more efficiently.

关键词

Keywords

references

NIU W, FENG Z, CHENG C, et al. Parallel multi-objective optimal operation of cascaded hydropower system[J]. Journal of Hydraulic Engineering, 2017, 48(1):104-112. DOI: 104

SHEN W, DOU W C, WU F, et al. Combined cloud:a mixture of voluntary cloud and reserved instance marketplace[J].计算机科学技术学报(英文版), 2016, 31(6):1110-1123. DOI: 1110

封良良, 张陶, 贾振红, 等.云计算环境下基于改进粒子群的任务调度算法[J].计算机工程, 2013, 39(5):183-186. DOI: 183

Chen S, Zhang S F. Improved algorithm for digital chaos sequences in full mapping[J]. Journal of Computers, 2017, 28(6):100-113. DOI: 100

聂晓华, 王薇.混沌改进猫群算法及其在光伏MPPT中的应用[J].中国电机工程学报, 2016, 36(22):6103-6110. DOI: 6103

CHU S C, TSAI P, PAN J S. Cat swarm optimization[J]. Lecture Notes in Computer Science, 2006(6):854-858. DOI: 854

王国豪, 李庆华, 刘安丰.多目标最优化云工作流调度进化遗传算法[J].计算机科学, 2018, 45(5):31-37. DOI: 31

Yang S D, Yi Y L, Shan Z Y. Chaotic cat swarm algorithms for global numerical optimization[J]. Advanced Materials Research, 2012(5): 602-604. DOI: 602

SINGH S, CHANA I. Resource provisioning and scheduling in clouds: QoS perspective[J]. Journal of Supercomputing, 2016, 72(3):926-960. DOI: 926

MANASRAH A M, ALI H B. Workflow scheduling using hybrid GA-PSO algorithm in cloud computing[J]. Wireless Communications % Mobile Computing, 2018(3):1-16. DOI: 1

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

面向用户任务与云资源匹配度的调度算法研究

云工作流任务调度的模拟退火遗传改进算法

基于负载均衡蚁群优化算法的云计算任务调度

ECluster:一种面向数据密集计算的弹性集群

一个基于弹性云的负载均衡方法