基于改良蚁群算法的云计算任务调度模型.pdf

简介：
本文提出了一种基于改进蚁群算法的新型云计算任务调度模型，旨在优化资源分配和提高系统效率。 云计算是当前信息技术研究的重要领域之一，它通过网络提供按需的计算资源服务，并作为一种新兴的计算模式出现。在这样的环境中，用户可以通过互联网向云服务商提交任务请求，而由云端根据需求分配并调度相应的计算资源以满足用户的需要。 然而，在虚拟化和动态变化特性的云计算环境下，如何高效且公平地安排这些任务成为了关键问题之一，因为这直接关系到减少延迟时间及提高用户体验。传统的蚁群算法（Ant Colony Algorithm）是通过模拟蚂蚁寻找食物的行为来解决优化问题的一种启发式搜索方法，并已广泛应用于各种场景中。 然而，在用于云计算的任务调度时，传统蚁群算法存在信息素挥发速度和启发式因素选择等问题需要改进的地方。因此，基于最短任务延迟时间的改进蚁群算法（DSFACO）应运而生，它不仅考虑了公平性和效率的要求还能够有效缩短用户的等待时间。 为了进一步提高云计算中的任务调度效果，研究者提出了一种新的模型：将用户提交的任务分解为具有依赖关系的小部分，并根据执行顺序分配到不同优先级的队列中。采用DSFACO算法对同一优先级内的子任务进行优化以确保其能在最短时间内完成。 实验结果表明，相比传统的任务调度增强蚁群算法（TS-EACO），改进后的DSFACO不仅能够保证公平性还有效提高了效率并减少了延迟时间。这证明了该方法在云计算环境下具有较好的性能，并能实现最优的任务调度效果。 由于云计算中的任务调度直接影响到云平台的整体表现，因此设计有效的调度策略对于服务商来说至关重要。通过持续优化算法可以更有效地利用资源、减少浪费和提高利用率，这对促进可持续发展尤其重要。 综上所述，在未来的研究中除了需要进一步提升算法的智能性和适应性之外，还需关注云计算资源多样化的分配问题及用户个性化需求等挑战。