基于ARMA模型预测的云计算资源调度策略研究，重庆大学，硕士学位论文，2016年重庆大学硕士学位论文 中文摘要 摘要 现阶段,云计算作为一种新型髙效且价柊低廉的计算模式受到越来越多企业 的青睐,而云计算瓷源调度算法作为云计算研究的核心内容,对于它的研究从未 间断,当前科研工作者对于云资源调度算法己经进行了大量深入的研究,本文将 首先对当前主流的一些云计算资源调度策略进行简要的介绍,并对这些略的优 点和不足进行了分析,针对当前云计算资源调度策略中存在的宿主机开关机波动、 虚拟机迁移带有盲目性以及任

利用云中资源进行高效任务调度是保证云计算系统可靠运行的关键问题。提出一种基于改进蚁群优化算法的任务调度方法。算法采用蚂蚁系统的伪随机比例规则进行寻优，防止算法过快收敛到局部最优解，同时结合排序蚂蚁系统和最大最小蚂蚁系统的设计思想完成信息素更新，有效求解优化问题。实验结果显示，该算法具有很好的寻优能力，提高了云资源的利用率。

随着云计算的蓬勃发展，针对云计算中虚拟机负载不均衡及任务集完成时间较长的问题，提出了一种基于蚁群优化的任务负载均衡调度算法（WLB-ACO）。首先基于当前虚拟机的资源利用情况判断虚拟机的负载状态，其次，根据虚拟机的负载因子定义信息素的挥发因子（w），改进信息素更新规则，并利用WLB-ACO合理的分配任务，使整个系统达到负载均衡状态的同时任务集的完成时间最短。最后，采用Cloudsim工具设计仿真实验，实验结果表明，提出的基于蚁群优化的任务调度算法在性能、最短完成时间及算法的稳定收敛性上有了一定的

近年来，随着电力信息化的深入发展，越来越多的电力应用和任务在云端部署。由于云资源和电力应用的动态异构性，实现资源划分和任务调度是云计算系统中的一个挑战性问题。电力应用需要实现快速响应、实现最小完工时间，而调度程序又要考虑各个云计算节点的负载问题，保证云计算的可靠性。提出了一种基于改进蚁群算法的任务调度算法，解决虚拟机中的任务调度问题。通过对标准蚁群算法的改进，在最小化整体完工时间的同时实现任务调度时间的减小和负载均衡。研究结果表明，该算法有效缩短了任务调度时间，并实现云节点负载均衡，为电力云计算