基于改进粒子群算法的云数据中心能耗优化任务调度策略

摘要：

随着云计算的发展,能耗急剧上升,这进一步限制了云数据中心整体性能的提高,因此能耗问题引起了工业界和学术界的重视.同时,传统粒子群算法被广泛应用于数据中心任务调度问题的求解,但其收敛速度慢、精度低,容易忽略集群能耗问题.为此提出了 一种基于反向学习的混沌映射自适应粒子群算法(OAPSO).首先,采用反向学习的方法产生初始种群,使粒子更加均匀地分布于初始解空间,提高了初始种群的质量;其次,在粒子更新方式中引入非线性递减的动态惯性权重策略,以改变粒子的寻优能力,使局部搜索和全局搜索达到平衡,避免算法陷入局部最优;然后,引入混沌映射策略,在最优解位置进行扰动变异产生新解,提高算法从局部最优中跳出的能力.最后,在Cloudsim平台上对所提算法进行实验验证,结果表明,与PSO,OBL_TP_PSO和SAPSO算法相比,OAPSO算法资源利用率更高,节能效果更好.

关键词：云数据中心、任务调度、粒子群算法、混沌映射、能耗优化

所属期刊栏目：50

分类号：TP393(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金;宁夏自然科学基金项目;宁夏自然科学基金项目;宁夏自然科学基金项目;北方民族大学中央高校基本科研业务费专项;北方民族大学校级一般项目

在线出版日期：2023-07-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：246-253