基于多目标免疫系统算法云任务调度策略.docVIP

基于多目标免疫系统算法云任务调度策略 　　摘要：针对云计算环境下任务调度问题，为减少任务完工时间，同时降低任务执行费用，提出一种改进的基于多目标免疫系统的任务调度算法IMISA来寻找较优的可行分配方案。与传统分配适应度值不同，该算法将抗体群划分为非支配解集和支配解集，分别将非支配解的独立支配区域面积、支配解与所有非支配解所围成的多边形面积作为相应的抗体抗原亲和力，根据相应亲和度计算克隆比例后克隆变异生成子代。在CloudSim平台上进行仿真实验，结果表明，与NSGAⅡ及多目标免疫系统算法（MISA）相比，IMISA能够找到具有更短完工时间及更小的执行费用的调度方案，同时获得的Pareto解集也具有更好的分布性。 　　关键词：云计算；任务调度；免疫系统算法；多目标优化；Pareto解集 　　中图分类号： TP301.6 　　文献标志码：A 　　Abstract： 多目标免疫系统算法（Improved Multiobjective Immune System Algorithm， IMISA） To address the task scheduling problem in cloud， a new multiobjective immune system algorithm named IMISA （Improved Multiobjective Immune System Algorithm） was proposed to optimize completion time and monetary cost simultaneously. In this work， the assignment of the fitness value was different from the traditional way， 　　the antibodies were divided into nondominated antibodies and dominated antibodies. The exclusive dominated area was regarded as the antigen affinity， and the polygonal area surrounded by all the nondominated solutions and a selection of the dominated antibody were treated as the corresponding antibodyantigen affinity. After that， clonal probability was calculated according to these affinities and new offspring was generated by cloning and mutation. Simulation experiments on CloudSim indicate that， compared with NSGAⅡ and Multiobjective Immune System Algorithm （MISA）， the proposed algorithm can produce schemes with shorter completion time and lower monetary cost， and it also can achieve Pareto fronts with better quality in both convergence and diversity. 　　Key words：cloud computing； task scheduling； Immune System Algorithm （ISA）； multiobjective optimization； Pareto solution set 　　0 引言 　　云计算是并行计算、分布式计算、网格计算的发展，或者说是这些科学概念的商业实现[1]。云计算平台拥有庞大的虚拟资源和用户群体，云服务提供商需要频繁地根据各个用户的需求进行资源管理。因此，相比传统任务调度，云计算环境下的任务调度问题面临很多挑战：服务器规模庞大，云服务提供商期望以最小的开销来满足用户的任务请求；资源异构，资源的分配、调整直接影响云数据中心的效率；任务请求频繁多变，任务的响应时间、完工时间直接影响用户体验。 “按需使用、按量付费”的商业服务模式下，用户关心的问题可能不仅限于任务的处理时间，任务的执行费用也是一个重要的因素。通常，任务的处理时间与任务的复杂程度，所分配的计算能力、存储、网络带宽等因素有关；任务的执行费