|本期目录/Table of Contents|

[1]王灵霞,赵 宏.面向云计算环境任务调度的改进蚁群算法[J].工业仪表与自动化装置,2016,(02):3.
　WANG Lingxia,ZHAO Hong.Research of task scheduling based on improved ant colony optimization in cloud computing environment[J].Industrial Instrumentation & Automation,2016,(02):3.
点击复制

面向云计算环境任务调度的改进蚁群算法(PDF)

《工业仪表与自动化装置》[ISSN:1000-0682/CN:61-1121/TH]

卷:
期数:
2016年02期
页码:
3
栏目:
出版日期:
2016-04-15

文章信息/Info

Title:
Research of task scheduling based on improved ant colony optimization in cloud computing environment
文章编号:
1000-0682(2016)02-0000-00
作者:
王灵霞; 赵 宏
（兰州文理学院 信息中心，兰州 730000）
Author(s):
WANG Lingxia;  ZHAO Hong
(Information Center, Lanzhou University of Arts and Science, Lanzhou 730000, China)
关键词:
云计算; 任务调度; 改进蚁群算法; 二点交叉算子; 局部优化
Keywords:
cloud computing; task scheduling problem; improved ant colony optimization; two-point crossover operator; local optimization
分类号:
TP393
DOI:
-
文献标志码:
A
摘要:
云计算环境下的任务调度问题是一个NP完全问题，其目的是在各个处理节点上合理分配任务，优化调度策略以保证有效完成任务。以总任务完成时间最短和计算成本最低为优化目标，针对蚁群优化算法易陷入局部最优的缺陷，提出了一种求解该问题的改进蚁群算法。该算法将遗传算法的二点交叉算子融入到蚁群优化算法中, 以提高蚁群优化算法的局部搜索能力。 通过在云仿真平台CloudSim上进行仿真实验，结果表明改进蚁群算法缩短了总任务完成时间，降低了计算成本，从而证明了该算法能有效地解决云计算环境下的任务调度问题，并且其优化能力和收敛速度优于蚁群优化算法和改进离散粒子群算法。
Abstract:
-

参考文献/References:

[1] Arfeen M A, Pawlikowski K, Willig A. A Framework for Resource Allocation Strategies in Cloud Computing Environment[J].Computer Software and Applications Conference Workshops,2011(35): 261-266.
[2] 邬开峻,鲁怀伟.云环境下基于DPSO的任务调度算法[J].计算机工程,2014,1(40):59-62.
[3] 一鵧偏╨2c林燕.基于混合粒子群算法的云计算任务调度研究[J].计算技术与自动化,2014,33(1):73-77.
[4] 一建锋,彭舰.云计算环境下基于改进遗传算的任务调度算法[J].计算机应用,2011,31(1):185-186.
[5] 朱宗斌,杜中军.基于改进GA的云计算任务调度算法[J].计算机工程与应用.2013,49(5):77-80.
[6] 查英华,杨静丽.改进蚁群算法在云计算任务调度中的应用[J].计算机工程与设计,2013,5(34):1716-1719.
[7] 匀愀渀搀攀攀瀀 Tayal.Tasks scheduling optimization for the cloud computing system[J].International Journal of Advanced Engineering Sciences and Technologies,2011, 5(2):11-15.
[8] Li Kun, Xu Gaochao, Zhao Guangyu, et al. Cloud Task scheduling based on load balancing ant colony optimization[C].//Dalian:Sixth Annual China Grid Conference (China- Grid), 2011:3-9.─3c/div>
[9] 謀芳,李美安,段卫军.基于动态自适应蚁群算法的云计算任务调度[J].计算机应用,2013,33( 11) : 3160－3162.
[10] 刘伯红,赵浚尧.一种改进的基于云环境的蚁群优化算法.重庆邮电大学学报(自然科学版),2012,24(6):712-715.
[11] Marco Dorigo,Thomas Stutzle.Ant colony optimization [M]. London:MIT Press,2004:1-20.
[12] Ku Ruhana Ku-Mahamud,Aniza Mohamed Din,Husna Jamal Abdul Nasir.Enhancement of ant colony optimization for grid load balancing[J].European Journal of 匀挀椀攀渀琀椀昀椀挀 Research, 2011,64(1):42-50.
[13] Rodrigo C, Rajiv R, Anton B, et al. CloudSim: a toolkit for modeling and simulation of cloud computing environments and evaluation of resource provisioning algorithms[J].
[14] 沈恺涛,胡德敏.基于云计算和改进离散粒子群的任务调度研究[J].计算机测量与控制,2012,20(11):3070-3072.
[15] 匀漀昀琀眀愀爀攀─3aPractice and Experience,2011,41(1):23-50.

相似文献/References:

[1]杜永文,屈应照,龙 淼.信息推送服务在农业物联网中的应用研究[J].工业仪表与自动化装置,2017,(02):22.
　DU Yongwen,QU Yingzhao,LONG Miao.The application research on information push service in agricultural Internet of things[J].Industrial Instrumentation & Automation,2017,(02):22.
[2]王航宇.基于云计算的校园门禁系统研究[J].工业仪表与自动化装置,2017,(03):50.
　WANG Hangyu.Research of campus entrance guard system based on cloud computing[J].Industrial Instrumentation & Automation,2017,(02):50.

备注/Memo

备注/Memo:
收稿日期：2015-06-26
基金项目：国家社科基金资助项目（14XTQ004）；甘肃省青年科技基金计划项目(1310RJYA004)；甘肃省高等学校研究生导师科研项目（1215-04）
作者介绍：王灵霞（1981），女，讲师，硕士，研究方向为算法设计与分析。
更新日期/Last Update: 1900-01-01