科研之友
微信
新浪微博
Facebook
分享链接
摘要
由于开源IaaS平台中用户数量众多,系统所需处理的任务量十分巨大,导致传统的粒子群调度方法,容易陷入局部最优,求解到一定范围时会存在大量冗余迭代,处理效率低等问题。为提高资源利用率,提出一种采用遗传和蚁群动态融合的开源IaaS平台中随机调度任务方法,首先分析了蚁群算法信息素初始化、选择路径、更新信息素的详细过程。其次介绍了遗传算法染色体编码、初始种群的产生、选择算子、交叉算子和变异算子的具体步骤。然后给出开源IaaS平台中随机任务调度目标,求解出开源IaaS平台中各资源完成该资源中全部子任务所需的时间。最后通过遗传算法准确形成开源IaaS平台任务调度的初始解,并以初始化为信息素分布,实现依据蚁群算法正反馈和高效收敛的优点获取最佳随机任务的调度。仿真结果表明,所提方法具有很高的资源利用率。
-
单位宿迁学院; 四川大学
