当前位置：首页 > 云环境下基于模板遗传算法的任务调度方法 - 图文
龙源期刊网 http://www.qikan.com.cn
云环境下基于模板遗传算法的任务调度方法
作者：盛小东 李强刘昭昭 来源：《计算机应用》2016年第03期
摘要：云任务调度是云计算研究的一个热点。云任务调度方法的好坏直接影响云平台的整体性能。提出一种基于模板遗传算法（TBGA）的任务调度方法。首先，根据处理机的运算速度和带宽等条件，计算出每个处理机应分配的任务量模板大小；然后，根据模板大小将任务集合中的任务划分为多个子集合；最后，利用遗传算法将集合中的任务分配到对应的处理机。实验证明通过此方法能得到总任务完成时间较短的调度结果。通过仿真实验将TBGA算法与MinMin算法和遗传算法（GA）进行比较，实验结果表明，TBGA算法与MinMin算法相比任务集合完成时间降低了20%左右，与遗传算法相比任务集合完成时间降低了30%左右，是一种有效的任务调度算法。
关键词：云计算；模板；组合优化；遗传算法；任务调度 中图分类号： TP393 文献标志码：A 0引言
云计算[1-2]是当前计算机领域研究的热点问题之一，它是继网格计算、分布式计算和并行计算之后又一新型的商业计算模式[3]。云计算平台由大量集群以虚拟机的方式组成，集群之间通过高速网络互联，形成大型的虚拟资源池，并采用按需付费的方式向用户提供服务。 云计算是在网格计算等分布式平台的基础上发展起来的，任务调度方法是解决用户任务分配的一种策略。本文提出一种基于模板遗传算法的任务调度方法，它使任务总的执行时间尽可能短，最大限度地提高云计算环境下任务调度的效率。
现有的云任务调度方法主要是对原有网格计算任务调度方法的调整和改进[4-5]。与现有的云任务调度方法不同，基于模板的遗传算法调度前先对相关数据进行预处理，计算出每个处理机应分配的任务量模板大小，在模板的基础上有目标地调度任务，从而优化整个任务集合的完成时间。
论文第0章介绍云计算定义、特征以及TBGA算法提出的背景和意义；第1章介绍TBGA算法的基于模板部分，即任务划分求出模板大小；第2章使用遗传算法求解调度结果，即在模板的基础上运用遗传算法求出任务集合调度结果；第3章给出TBGA算法与对比算法之间的比较结果；第4章总结全文。 4结语
本文作者：...共分享92篇相关文档
