基于概率自适应蚁群算法的云任务调度方法

发布时间：2018-01-08 02:24

  本文关键词：基于概率自适应蚁群算法的云任务调度方法　出处：《郑州大学学报(工学版)》2017年04期 　论文类型：期刊论文

  更多相关文章： 云计算 任务调度 蚁群算法 概率自适应

【摘要】：针对基本蚁群算法在求解云任务调度问题时易陷入局部最优的不足,提出一种任务分配概率自适应的蚁群算法.算法根据任务量的大小对任务进行降序排序.定义了任务分配集中度,引入了概率自适应调整因子对任务分配过于集中的资源节点的分配概率进行调整.结果表明,相对基本蚁群算法及改进蚁群算法,该算法有效地缩短了任务完成时间,且算法的执行效率、收敛速度均有一定程度的改善.
[Abstract]:In order to solve the problem of cloud task scheduling, the basic ant colony algorithm is easy to fall into local optimum. An ant colony algorithm with adaptive task assignment probability is proposed. The algorithm sorts the tasks in descending order according to the size of the task quantity, and defines the concentration degree of task assignment. The probability adaptive adjustment factor is introduced to adjust the allocation probability of resource nodes where the task allocation is too centralized. The results show that the relative basic ant colony algorithm and the improved ant colony algorithm. The algorithm can effectively shorten the task completion time and improve the efficiency and convergence speed of the algorithm to some extent.
【作者单位】： 三峡大学计算机与信息学院;三峡大学湖北省水电工程智能视觉监测重点实验室;
【基金】：国家自然科学基金资助项目(61272236、61272237、61502274) 湖北省自然科学基金资助项目(2015CFB336) 三峡大学人才科研启动基金项目(KJ2011B011、KJ2013B064)
【分类号】：TP18;TP3
【正文快照】： 0引言云计算是将计算任务分布在大量计算机构成的数据中心,通过网络、硬件及系统软件等为用户提供服务[1].云计算模式涵盖范围非常广泛,从底层的软、硬资源聚集管理到虚拟化计算池,乃至通过网络提供各类计算的服务.它将带来生活、生产方式和商业模式的深刻改变,已成为当前社会

【相似文献】

相关期刊论文 前10条

1 廖晓文;廖京盛;;时间触发模式的任务调度与分解策略[J];单片机与嵌入式系统应用;2006年07期

2 黄漾;;分布式环境下任务调度探讨[J];电脑知识与技术;2011年19期

3 张占军,杨学良;具有优先次序的多媒体流调度和资源共享[J];软件学报;1999年05期

4 章军,章立生,韩承德;非完全互连同构系统上的静态任务调度[J];软件学报;1999年11期

5 李英;黄国范;;遗传算法在云任务调度中的应用[J];洛阳师范学院学报;2013年05期

6 江维;詹瑾瑜;桑楠;杨霞;;可信嵌入式系统中可靠且能量有效的任务调度[J];四川大学学报(工程科学版);2011年02期

7 徐正光;陈雁;尹怡欣;胡长军;王珏;;一种基于梯形自调度技术的集群任务调度的实现[J];计算机工程;2005年23期

8 穆鹏程;NEZAN Jean-Fran噻ois;RAULET Mickaёl;COUSIN Jean-Gabriel;;并行嵌入式系统中具有通信竞争任务调度问题的高级列表调度方法[J];中国科学:信息科学;2011年03期

9 谭一鸣;曾国荪;王伟;;随机任务在云计算平台中能耗的优化管理方法[J];软件学报;2012年02期

10 张彪;郭卫斌;李建华;李洪林;;一种改进的基于动态信任的分布式调度模型[J];华东理工大学学报(自然科学版);2013年04期

相关博士学位论文 前8条

1 瞿进;可重构系统软硬功能划分及任务调度技术研究[D];解放军信息工程大学;2011年

2 周双娥;实时分布容错系统的任务调度技术研究[D];哈尔滨工程大学;2003年

3 柴亚辉;基于FPGA的高性能计算架构硬件任务与资源模型研究[D];上海大学;2012年

4 金刚;云环境下任务调度关键问题研究[D];吉林大学;2015年

5 耿晓中;基于多核分布式环境下的任务调度关键技术研究[D];吉林大学;2013年

6 王宁;云计算环境下数据管理与任务调度优化策略研究[D];北京科技大学;2015年

7 王晓丽;云环境下节能优化模型及算法研究[D];西安电子科技大学;2014年

8 任崇广;面向海量数据处理领域的云计算及其关键技术研究[D];南京理工大学;2013年

相关硕士学位论文 前10条

1 杨镜;基于人工免疫系统的云平台动态任务调度[D];电子科技大学;2014年

2 姜志刚;数据中心温度感知任务调度技术研究[D];南京大学;2014年

3 翟钊;云环境下的集群性能优化研究[D];南京邮电大学;2016年

4 李蓉蓉;基于人工蜂群算法的云任务调度研究[D];合肥工业大学;2016年

5 杨俊;多核系统静态任务调度问题研究[D];合肥工业大学;2016年

6 王璇;基于智能搜索算法的多核处理器任务调度[D];杭州电子科技大学;2015年

7 怀伟城;基于动态调频技术的数据中心任务调度问题研究[D];南京大学;2014年

8 郭会云;基于云计算的海量传感器信息存储的扩展研究和实现[D];北方工业大学;2017年

9 高金华;基于多核的任务调度研究与实现[D];中南大学;2010年

10 马玉明;云计算数据中心的任务调度研究[D];云南大学;2015年

，

本文编号：1395259