基于改进蚁群算法的云环境任务调度研究
针对蚁群优化算法(ACO)在解决大规模的组合优化问题时容易陷入搜索速度慢和局部最优的缺陷,进行算法的改进;结合遗传算法全局收敛的优点,将遗传算法融入到蚁群优化算法的每一次迭代中,加快其收敛速度,并引入逆转变异策略,避免了蚁群优化算法陷人局部最优;深入研究了改进的蚁群优化算法在云计算环境中的任务调度策略,并通过扩展云计算仿真平台CloudSim实现了模拟仿真;实验结果表明,此算法能够缩短云环境下的任务平均运行时间,提高了资源利用率.
蚁群优化算法、遗传算法、云计算、任务调度
19
TP311.5(计算技术、计算机技术)
辽宁省教育厅基金项目05L169;辽宁省教育厅高等学校科研项目2009A349
2011-08-29(万方平台首次上网日期,不代表论文的发表时间)
共3页
1203-1204,1211