科研之友
微信
新浪微博
Facebook
分享链接
摘要
为解决云环境下的资源调度问题,提出一种通过任务执行成本函数来提高虚拟机负载均衡度的改进蚁群算法(CLBACO).该算法在综合参考各种最新蚁群算法的基础上,创新地通过任务的执行成本函数来改进信息素中的启发信息和期望信息,重新定义信息素更新规则,进而影响到任务对虚拟机的选择,同时使虚拟机通过多次算法迭代以后能够处于一种负载均衡的状态.利用CloudSim工具进行仿真测试,与标准的蚁群算法、最新的DSFACO算法做仿真对比,结果表明CLBACO算法在任务的执行成本以及系统负载均衡方面均优于DSFACO算法.
-
单位重庆邮电大学; 四川大学锦江学院; 重庆邮电大学移通学院
