基于信息素动态调整的云任务调度方法

发布时间：2017-08-02 16:34

  本文关键词：基于信息素动态调整的云任务调度方法

  更多相关文章： 云计算 蚁群算法 任务调度 信息素动态调整

【摘要】：为使云计算环境中任务处理时间较短,同时资源负载较均衡,提出一种基于信息素动态调整的改进蚁群算法。该算法以任务大小作为任务调度顺序,综合考虑当前任务的完成时间以及资源处理已分配任务花费的时间。通过动态调整信息素挥发程度使算法在前期有较好的寻优能力,后期有较快的收敛速度。结果表明改进后的算法缩短了云环境中的任务完成时间,提高了资源的负载均衡程度,是一种有效的云计算任务调度方法。
【作者单位】： 三峡大学计算机与信息学院;湖北省水电工程智能视觉监测重点实验室(三峡大学);
【关键词】： 云计算 蚁群算法 任务调度 信息素动态调整
【基金】：国家自然科学基金(61272236、61272237、61502274) 湖北省自然科学基金(2015CFB336) 三峡大学人才科研启动基金(KJ2011B011)
【分类号】：TP18
【正文快照】： 0引言云计算[1]是将计算任务分布在大量计算机中,使各种应用根据需求获取相关服务的一种计算模型。运用分布式并行计算将任务分解为多个子任务,分派给主机集群中的各个主机,子任务在多个主机上协调并行运行是云计算主要技术之一。通过这项技术,求解应用问题可较快得到解决,系

【相似文献】

中国期刊全文数据库 前10条

1 田伟,田国会;信息素修改策略求解固定货架动态拣选问题的研究[J];系统仿真学报;2005年08期

2 王雷;唐敦兵;袁伟东;;基于信息素的协调机制与任务分配研究[J];中国机械工程;2011年03期

3 柯良军;冯祖仁;冯远静;;有限级信息素蚁群算法[J];自动化学报;2006年02期

4 刘佰龙;张汝波;史长亭;;基于信息素反应的群体觅食行为研究[J];系统仿真学报;2009年01期

5 王翠茹;李阳;王思艳;;基于信息素理论的智能家电系统的研究[J];微计算机信息;2009年28期

6 覃刚力,杨家本;自适应调整信息素的蚁群算法[J];信息与控制;2002年03期

7 程志刚;陈德钊;吴晓华;;基于信息素正态分布的连续蚁群优化系统[J];系统工程与电子技术;2006年03期

8 冀俊忠;刘椿年;黄振;;基于信息素扩散模型解耦控制策略的蚁群算法[J];智能系统学报;2007年04期

9 叶仕通;万智萍;;一种基于改进全局信息素更新效率的蚁群算法及仿真[J];计算机应用与软件;2014年01期

10 许国根;徐昊;王幸运;;基于蚁群算法的聚类新算法[J];计算机与应用化学;2012年05期

中国重要会议论文全文数据库 前1条

1 周龙;霍婷婷;;蚁群算法的发展及应用现状[A];第三届中国智能计算大会论文集[C];2009年

中国博士学位论文全文数据库 前2条

1 左洪浩;蚁群优化算法及其应用研究[D];中国科学技术大学;2006年

2 杨剑峰;蚁群算法及其应用研究[D];浙江大学;2007年

中国硕士学位论文全文数据库 前9条

1 骆锡明;基于蚁群算法的电子商务购物路径仿真研究[D];五邑大学;2015年

2 辛雅斐;蚁群算法中基于信息增益的信息素值的分析与改进[D];暨南大学;2008年

3 白磊;蚁群算法的改进及其应用研究[D];安徽大学;2015年

4 苗培;蚁群优化算法在云计算资源分配上的应用[D];山东师范大学;2015年

5 邱大洪;基于混沌的蚁群算法及其应用研究[D];北京化工大学;2015年

6 程日来;最大团问题的蚁群算法研究[D];哈尔滨工业大学;2007年

7 肖广雪;基于信息素和多Agent协商的柔性路径下跨单元调度方法[D];北京理工大学;2011年

8 张锐华;基于多信息素蚁群算法对个性化搜索引擎的改进[D];暨南大学;2013年

9 王建;基于复杂网络的社团结构分析算法研究[D];大连海事大学;2015年

，

本文编号：610238