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

改进蚁群算法的云任务调度仿真

在云计算环境中用户数量众多,用户提交的任务总量非常庞大,如何调度这些海量任务使其高效合理地完成成为云计算研究的关键。针对云计算环境的特点,对粒子群和蚁群算法进行改进,提出一种融合二者的任务调度算法。该算法采用粒子群算法进行前期迭代,迭代完成后选取一定数量的优良粒子生成蚁群算法的初始信息素,蚁群算法利用已生成的初始信息素进行后期迭代,并求得最终的任务调度结果。仿真结果表明,该算法优于粒子群算法和蚁群算法,任务的总完成时间明显减少,是一种高效的调度算法。

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