基于改进遗传算法的云计算任务调度方法

来源：计算机技术与发展杂志2024年第02期北京时间：

作者：王宏杰;徐胜超

单位：广州华商学院 数据科学学院,广东 广州 511300 Author(s): WANG Hong-jie;XU Sheng-chao School of Data Science,Guangzhou Huashang College,Guangzhou 511300,China 关键词: 改进遗传算法;云计算;任务调度;适应度;目标函数 Keywords: improved genetic algorithm;cloud computing;task scheduling;fitness;objective function 分类号: TP393. 4 DOI: 10. 3969 / j. issn. 1673-629X. 2024. 02. 006 摘要: 云计算环境中可能存在大量的计算节点与不确定性因素,需要进行大规模的任务调度和管理,增加了调度的复杂度和难度。 为了满足任务调度的实时性需求,降低过程中产生的能耗,提出一种基于改进遗传算法的云计算任务调度方法。 对不同的任务属性进行结合,重新设定各个云计算节点的任务属性,并计算节点的综合属性值。 根据计算结果以全部任务完成时间最小化作为调度目标,构建云计算任务调度模型。 改进传统遗传算法,优化种群的初始形成方式,通过改进后的遗传算法求解调度模型,判断获取的解是否满足终止条件,如果满足直接输出最优云计算任务调度方案,实现云计算任务优化调度。 由实验结果可知,该方法的任务调度完成时间较低,其调度时间最高值仅为 16 min,说明该方法能够满足任务调度的实时性需求,且能耗较低,能够实现任务的高效执行和资源的合理利用。

摘要：云计算环境中可能存在大量的计算节点与不确定性因素,需要进行大规模的任务调度和管理,增加了调度的复杂度和难度。 为了满足任务调度的实时性需求,降低过程中产生的能耗,提出一种基于改进遗传算法的云计算任务调度方法。 对不同的任务属性进行结合,重新设定各个云计算节点的任务属性,并计算节点的综合属性值。 根据计算结果以全部任务完成时间最小化作为调度目标,构建云计算任务调度模型。 改进传统遗传算法,优化种群的初始形成方式,通过改进后的遗传算法求解调度模型,判断获取的解是否满足终止条件,如果满足直接输出最优云计算任务调度方案,实现云计算任务优化调度。 由实验结果可知,该方法的任务调度完成时间较低,其调度时间最高值仅为 16 min,说明该方法能够满足任务调度的实时性需求,且能耗较低,能够实现任务的高效执行和资源的合理利用。

关键词：改进遗传算法;云计算;任务调度;适应度;目标函数