基于多尺度量子谐振子算法的云计算任务调度

发布时间：2018-03-02 02:33

本文关键词： 多尺度量子谐振子算法云计算任务调度快速收敛负载均衡　出处：《计算机应用》2017年07期 　论文类型：期刊论文

【摘要】：合理地分配虚拟计算资源以进行有效的任务调度是云计算中的一个核心问题。为了更好地利用虚拟计算资源,高效地完成服务需求,提出了一种基于多尺度量子谐振子算法(MQHOA)的任务调度算法。首先,该算法将每一个调度方案当成一个采样位置,利用高斯采样的随机性在当前尺度下搜索局部最优解;其次,判断算法是否处于能级稳定状态,如果稳定,则进入能级降低过程,最坏的调度方案将被替换;最后,算法进入尺度下降的过程,算法由全局搜索过渡到局部搜索,迭代多次之后,算法停止并输出找到的最优结果。通过在Cloud Sim平台上进行仿真实验,与现有的先来先服务(FCFS)算法和粒子群优化(PSO)算法对比,MQHOA总任务完成时间减少10%以上,负载不均值下降0.4以上。实验结果表明,基于MQHOA的任务调度算法能够快速收敛,有良好的全局收敛性和自适应能力,在云计算任务调度过程中,能够起到减少总任务完成时间和均衡负载的作用。
[Abstract]:Rational allocation of virtual computing resources for effective task scheduling is a core problem in cloud computing. A task scheduling algorithm based on multi-scale quantum harmonic oscillator algorithm (MQHOA) is proposed. Firstly, each scheduling scheme is treated as a sampling location, and the randomness of Gao Si sampling is used to search the local optimal solution at the current scale. If the algorithm is stable, the worst scheduling scheme will be replaced. Finally, when the algorithm enters the scaling down process, the algorithm will transition from global search to local search. After many iterations, the algorithm stops and outputs the optimal result. Through the simulation experiment on the Cloud Sim platform, compared with the existing first-come first-served Cloud algorithm and particle swarm optimization algorithm, the total task completion time is reduced by more than 10%. The experimental results show that the task scheduling algorithm based on MQHOA can converge quickly and has good global convergence and adaptive ability. It can reduce the total task completion time and balance the load.
【作者单位】：中国科学院成都计算机应用研究所;中国科学院大学;西南民族大学计算机科学与技术学院;
【基金】：国家自然科学基金资助项目(60702075) 西南民族大学中央高校基本科研业务费专项(2017NZYQN27) 四川省青年科学基金资助项目(09ZQ026-068)~~
【分类号】：TP3

【参考文献】