云环境下基于改进PSO算法的任务调度策略

发布日期：2012 年10 月7 日

预览
摘要

本内容试读结束

下载后可阅读完整内容，立即下载

：在云环境中，如何高效的实现任务与资源之间的映射一直是研究的热点问题。仿生算法被广泛的应用于任务调度的优化，其中粒子群优化算法凭借其结构简单、参数少和易实现的优点而受到大力重视。但是，标准的粒子群优化算法对于存在较多局部极值云计算环境，很容易出现“早熟”的问题，这是由于种群多样性的匮乏所致。因此，在搜寻过程中能够保持种群的多样性十分重要，本文提出了“分裂”的思想，经过实验证明，该方法能够很好的解决“早熟”的问题，有效的保持种群多样性，并能有效的减少任务的完成时间。

云计算作为一种新兴的并行计算技术，是分布式处理、并行处理、网格计算的发展和延伸，是这些计算机科学概念的商业实现，适合当今巨型信息化处理需求[1]。云计算提供了更可靠、更安全的存储和计算数据能力、简化计算交付、降低成本、具有更高的扩展性和灵活性。

云计算环境与网格计算环境还有着较大的差别，云的规模较大，其云计算技术的硬件基础设施构建在大规模的廉价服务器集群之上，所以各个节点的计算能力稍低。如何利用有限的资源为用户提供高质量的服务，是云计算需要解决的重要问题。因此，任务调度是云计算的一个重要组成部分。如何高效且快速实现任务与资源之间的映射是研究的重点所在。

*基金项目：辽宁省教育厅科学研究一般项目(L2011004)。

#通讯作者。