广东工业大学学报 ›› 2014, Vol. 31 ›› Issue (3): 77-82.doi: 10.3969/j.issn.1007-7162.2014.03.014

• 综合研究 • 上一篇    下一篇

基于蚁群模拟退火算法的云环境任务调度

张浩荣1，陈平华1，熊建斌2,3   

  1. 1.广东工业大学 计算机学院，广东 广州 510006；2.广东石油化工学院 电子与计算机学院，广东 茂名 525000；
    3.广东省石化装备故障诊断重点实验室，广东 茂名 525000
  • 收稿日期:2013-11-06 出版日期:2014-09-30 发布日期:2014-09-30
  • 作者简介:张浩荣（1988-），男，硕士研究生，主要研究方向为云计算、物联网.
  • 基金资助:

    广东省教育部产学研结合项目（2012B091000058）；广东省专业镇中小微企业服务平台建设项目（2012B040500034）

Task Scheduling Algorithm Based on Simulated Annealing Ant Colony Algorithm in Cloud Computing Environment

Zhang Hao-rong1,Chen Ping-hua1,Xiong Jian-bin2,3   

  1. 1.School of Computers，Guangdong University of Technology, Guangzhou 510006, China；
    2. School of Electronic Information and Computer，Guangdong University of Petrochemical Technology,Maoming 525000, China;
    3. Guangdong Key Laboratory of Petrochemical Equipment Fault Diagnosis, Maoming 525000, China
  • Received:2013-11-06 Online:2014-09-30 Published:2014-09-30

HTML

PDF (PC)

3489

摘要： 针对云计算的MapReduce编程框架，提出一种融合蚁群算法和模拟退火算法的混合调度算法（ACOSA）.该算法以最小化调度时间为目标，引入了任务与资源的匹配因子和负载均衡度，先利用蚁群算法得到一组任务到资源的优化解，然后通过模拟退火算法对解进行路径的优化和信息素的更新.通过扩展Cloudsim云计算仿真平台，对其进行重新编译，实现了所提出的算法，实验结果表明该算法在调度时间、负载均衡等方面表现良好.

关键词: 云计算, 模拟退火, 蚁群算法

Abstract: It studies the task scheduling in cloud computing, and proposes a hybrid scheduling algorithm(ACOSA) combined with ant colony algorithm and simulated annealing algorithm for the MapReduce programming framework of cloud computing. This algorithm aims at minimizing the scheduling time and introduces the task and resource matching factors and load balance. Firstly, the ant colony algorithm was used to get the optimal solution to a set of tasks and resources. Then, the path was optimized, and the pheromone of solution was updated by  the simulated annealing algorithm. Lastly, they were recompiled by extending Cloudsim cloud computing simulation platform, and the ACOSA algorithm was achieved. The experimental results show that the algorithm has a good performance in scheduling time and load balancing.

Key words: cloud computing, simulated annealing, ant colony algorithm

[1] 王勇, 金雯婷, 王瑛. 云环境中工作流的数据分配方法[J]. 广东工业大学学报, 2016, 33(04): 23-29.
[2] 刘竹松， 陈洁， 田龙. 基于改进布谷鸟搜索算法的云计算任务调度[J]. 广东工业大学学报, 2016, 33(03): 32-36.
[3] 汪双兔, 韩坚华, 罗军. 云环境下基于信任的入侵防御研究[J]. 广东工业大学学报, 2014, 31(3): 55-61.
[4] 赵广强, 凌捷. 基于双线性对和随机数的云计算环境匿名认证协议[J]. 广东工业大学学报, 2014, 31(3): 67-71.
[5] 林欣达, 林穗. 融合云计算和超级计算的CAE软件集成系统的设计[J]. 广东工业大学学报, 2014, 31(3): 72-76.
[6] 吴加荣. 讨论Burgers方程的概率空间与特征正交空间的最小平均距离问题[J]. 广东工业大学学报, 2012, 29(4): 72-76.
[7] 张小玲1 , 刘海林2 , 李学强3. 基于模拟退火的自适应调节位置区数目的位置区规划[J]. 广东工业大学学报, 2010, 27(4): 28-31.
[8] 李凌宇, 郭贵法, 许锦标. 基于模拟退火遗传算法的PID参数整定与优化[J]. 广东工业大学学报, 2010, 27(2): 80-83.
[9] 刘东； 常静； 魏文红； 赵洁； . 基于MPI的并行蚁群算法的研究与实现[J]. 广东工业大学学报, 2008, 25(1): 38-42.
[10] 师凯； 蔡延光； 邹谷山； 王涛； . 分段蚁群算法在运输调度问题中的应用[J]. 广东工业大学学报, 2006, 23(1): 71-76.
[11] 孙炜； 吴伟民； 陈志峰； . 基于遗传模拟退火算法的图的三维可视化[J]. 广东工业大学学报, 2002, 19(1): 37-41.
Viewed
Full text


Abstract

Cited
  Shared   
  Discussed   
No Suggested Reading articles found!
版权所有 © 2017 《广东工业大学学报》编辑部
地址：广州市东风东路729号广东工业大学 邮编：510090
电话：020-37626653,020-37626139,020-37626396
邮箱：xbzrb@gdut.edu.cn
本系统由北京玛格泰克科技发展有限公司设计开发