基于多维QoS约束遗传蚁群算法的云计算任务调度

摘要

利用蚁群算法解决云计算任务调度问题时,启发因子、信息素蒸发系数、期望启发因子等参数的设定往往采用经验选取的方式,而这些参数又与算法性能息息相关,提出一种遗传蚁群融合算法,对这些参数进行编码,在进化过程中找到最优组合,充分结合了蚁群算法的反馈机制、遗传算法的全局搜索能力和收敛速度较快的特点,同时根据不同用户的需求提出多维Qo S的约束来进行信息素的局部更新和全局更新。改进的遗传蚁群算法(GAACO)在云仿真平台Cloud Sim上与模拟退火算法(SA)、基本蚁群算法(ACO)进行了对比仿真实验,结果表明,该算法提高了解的收敛速度和全局搜索能力,同时在任务调度时间、成本、服务质量及系统负载方面都有着更好的表现。