云计算中基于差分进化算法的任务调度研究
董丽丽;黄贲;介军
【摘 要】如何充分利用云中资源对任务进行高效调度，是云计算中的重要问题。提出一种基于差分进化的多策略变异差分进化任务调度算法。该算法在标准差分进化算法的基础上加入了基于正态分布的分类和多种变异策略，变异策略中差异向量个体采用基于个体相似度的轮盘赌选择，改善了标准差分算法收敛速度慢和易陷入局部最优的缺点，可有效求解组合优化问题。在仿真平台CloudSim上进行模拟测试，结果表明该算法能得到较短的任务总完成时间，提高了资源利用率。 【期刊名称】《计算机工程与应用》 【年(卷),期】2014(000)005 【总页数】6页(P90-95)
【关键词】云计算;任务调度;差分进化;多策略变异;CloudSim 【作 者】董丽丽;黄贲;介军
【作者单位】西安建筑科技大学 信息与控制学院，西安 710055;西安建筑科技大学 信息与控制学院，西安 710055;西安建筑科技大学 信息与控制学院，西安 710055
【正文语种】中 文 【中图分类】工业技术
【文献来源】https://www.zhangqiaokeyan.com/academic-journal-cn_computer-engineering-applications_thesis/0201241120159.html
Computer Engineering and Applications 计算机工程与应用2014， 50 （5）近两年云计算成为了 IT 业的研究热点， 众多 IT 巨头、科研院校纷纷涉足云计算。云计算的核心思想是将 计算任务分布在大量计算机构组成的资源池上， 使用户 能够按需获取计算能力、 存储空间和信息服务， 云中拥 有的资源与要处理的任务都是海量的， 因此如何充分利 用云中资源对任务进行高效调度是云计算中的重点与 难点。现阶段， 处理云计算中任务调度的方法有传统网 格计算中的 Min-Min， Min-Max[1]， 也有遗传[2]、 模拟退火[3]、 粒子群[4]等智能算法， 但这些方法在处理海量任务调度 方面的效果均不够理想。本文针对如何在云环境下高效合理的进行任务调度，提出了一种基于多策略变异差分进化算法 （ Multi-Strategy Mutation Differential Evolution， MSMDE） 的 任 务 调 度算法， 并通过仿真实验， 与其他各类调度算法进行对比，验证了其良好的性能。1云计算体系结构图 1 显示了云计算体系结构。云计算按照服务类型 大致可以分为三类： 将基础设施作为服务IaaS （ Infrastructure asaService ） 、 将平台作为服务PaaS （ Platform as a Service ） 和将软件作为服务 SaaS （Software as a
Service ） 。IaaS 将硬件设备等基础资源封装成服务供用户使用； PaaS 对 资源的抽象层次更进一步， 它提供用户应用程序的运行 环境， 负责资源的动态扩展和容错管理， 用户应用程序 不必过多考虑节点间的配合问题； SaaS 的针对性更强， 它将某些特定应用软件封装成服务， 只提供专门用途的云计算中基于差分进化算法的任务调度研究董丽丽， 黄贲， 介 军 DONG Lili, HUANG Ben, JIE Jun西安建筑科技大学 信息与控制学院， 西安 710055School of Information and
Control Engineering, Xi’ an University of Architecture and Technology, Xi’ an 710055, China DONG Lili, HUANG Ben, JIE Jun.Task scheduling based on differential evolution algorithm in cloud computing.Computer Engineering and Applications, 2014, 50 （5 ） ： 90-95.Abstract： How to make full use
of cloud resources to dispatch tasks efficiently is an important issue in cloud computing.TheMSMDE mentioned in this thesis is an algorithm based on multi-strategy mutation differential evolution of differential evolution.This algorithm is added with category of normal distribution and multiple mutation strategy on the basics of standard Differential Evolution （DE） , difference vector individuals in mutation strategy use roulette to choose based on indi- vidual similarity, improve DE algorithm’ s shortcomings of slow convergence rate and local optimum tendency, can effec- tively solve combinatorial optimization problem.After running simulation tests on simulation platform CloudSim, the result shows that this algorithm is able to achieve relatively short total task completion time and improve resource utilization.Key words： cloud computing; task dispatch; differential evolution; multi-strategy mutation; CloudSim摘 要： 如何充分利用云中资源对任务进行高效调度， 是云计算中的重要问题。提出一种基于差分进化的多策略变异差分进化任务调度算法。该算法在标准差分进化算法的基础上加入了基于正态分布的分类和多种变异策略， 变 异策略中差异向量个体采用基于个体相似度的轮盘赌选择， 改善了标准差分算法收敛速度慢和易陷入局部最优的 缺点， 可有效求解组合优化问题。在仿真平台 CloudSim 上进行模拟测试， 结果表明该算法能得到较短的任务总完成 时间， 提高了资源利用率。关键词： 云计算； 任务调度； 差分进化； 多策略变异； CloudSim文献标志码： A中图分类号： TP393 doi： 10.3778/j.issn.1002-8331.1205-0043基金项目： 陕西省自然科学基金 （No.2012JM8042） ； 陕西省教育厅科研专项
（No.12JK0940） 。作者简介： 董丽丽 （ 1960— ） ， 女， 教授， 硕士生导师， 主要研究领域为分布式系统与计算机网络应用、 数据挖掘； 黄贲 （ 1988—
云计算中基于差分进化算法的任务调度研究
