1云环境任务调度建模.doc

云环境中基于布谷鸟搜索算法的多目标任务调度方案 吴国芳1,2 (1. 浙江工业大学,杭州 3120312000) 摘 要: 效率往往是任务调度的首要目标，对于数据中心而言，能耗问题也是十分重要的因素。在布谷鸟搜索（Cuckoo Search）MOCS，以实现云环境下任务调度效率和能耗的pareto最优。布谷鸟搜索算法是一种启发式算法，利用Lévy flight（莱维飞行）Cloudsim云仿真平台将所提方案与采用遗传算法的多目标任务调度方案进行对比，仿真实验证明所提方案优于采用遗传算法的方案。 关键词: 云计算；布谷鸟搜索；多目标优化；任务调度；莱维飞行 中图分类号: ****　　　 Multiobjective task scheduling scheme based on cuckoo search algorithm in cloud environment WU Guo-fang1,2 (1. Zhejiang University of Technology, Zhejiang Hangzhou, 312024, China；2. Shaoxing Vocational Technical College, Zhejiang Shaoxing Zhejiang, 312000, China；) Abstract: Effectiveness is always the primary goal of task scheduling, for data centers, power consumption is also very important factor. Based on the Cuckoo Search algorithm, we propose a multi-objective scheduling scheme-MOCS to achieve the Pareto optimization between low power consumption and efficiency of scheduling in cloud environment. Cuckoo Search algorithm is a heuristic algorithm and can find global optima quickly. We use the Cloudsim platform to compare the proposed scheme with the scheme employing genetic algorithms, Simulation results show that the proposed scheme outperforms the scheme employing genetic algorithms. Key words: cloud computing; cuckoo search; multi-objective optimization; task scheduling; lévy flight 0引言 云计算是一种全新的计算模式，它采用虚拟化技术将异构的硬件资源进行统一管理和分配，当用户将任务提交到数据中心时，数据中心则将任务分配到虚拟化后的硬件资源上处理并最终返回处理结果。当某一时刻待处理的任务量较大时，数据中心所承受的负载将进一步加剧，功耗进一步增大，导致散热压力大，因此如何高效而节能地将任务分配调度到硬件资源上对于云计算的高效性是一个关键问题。 本文主要聚焦于效率和能耗的角度研究云环境下的任务调度，这涉及到多目标优化问题。多目标优化问题在工程界也得到广泛关注，最优方案往往需要考虑多种因素，而多种因素之间往往存在冲突，不能满足全部最优，因此如何解决多目标优化问题非常重要。云环境下的任务调度期望能在效率和能耗上得到双赢，满足用户需要的同时实现数据中心的可持续发展。 多目标优化问题[1]往往采用启发式算法解决，本文在布谷鸟搜索算法(CS)[2]的基础上提出了一种多目标调度方案（MOCS），该算法是一种元启发式算法，类似于遗传算法，用数学方法描述来模拟自然界的某种特性，应用到优化问题中通常能得到较为满意的解。在云环境下任务量通常很大，因此解集将会非常大，布谷鸟算法与同类算法如遗传算法相比的优点则体现在解集大的情况下能够快速找到最优解。 为了验证所提方案的可行性及高效性，本文采用云仿真平台Cloudsim3.0[3]作为实验平台，通过模拟真实环境下的任务和虚拟机来实现调度方案，同时实现了采用遗传算法的调度方案以进行对比，实验结果证明了所提方案优于采用遗传算法的多目标任务调度方案。 本文其余部分组织如下：第2节介绍云环境下的任务调度模型，