基于改进烟花算法的云计算多目标任务调度问题研究.pdfVIP

基于改进烟花算法的云计算多目标任务调度问题研究

摘要

在云计算领域的理论研究中，任务调度作为一个经典且备受关注的问题，旨

在通过优化资源的分配和利用，从而提升整个系统的性能与效率，进而改善用户

的体验。现有方法大多采用元启发式算法来解决任务调度问题，烟花算法是其中

的代表算法，然而烟花算法存在执行时间较长、迭代精度不够等问题。除此之外，

传统的烟花算法在解决任务调度问题时，通常只考虑单个目标，缺乏对多目标任

务调度的关注，对于多目标的研究还存在空间。针对上述问题，本文对烟花算法

的改进和解决云计算多目标任务调度两个方面分别进行研究，具体工作如下。

首先，针对烟花算法执行时间较长和精度不够的问题，本文对其进行了优化

改进，提出了一种改进的烟花算法（BCFWA）。传统烟花算法依赖于距离作为选

择机制的轮盘赌方法，需要额外计算个体间的距离及选择概率，从而增加了算法

的时间消耗。针对烟花算法执行时间较长的问题，本文提出的BCFWA算法采用

以适应值为标准的锦标赛策略，利用其复杂度低的优势，较大程度上降低算法的

执行时间。为了进一步提高算法的迭代精度，本文引入反向学习与交叉操作的进

化策略，在一定程度上提升了算法对全局寻优与局部寻优的搜索能力，避免算法

陷入局部最优。实验结果表明，该方法能够在减少算法执行时间的同时提高其精

度，在标准函数集上的寻优结果优于SSA、AOA、DBO等优化算法。

其次，本文将改进后的烟花算法扩展到云计算多目标任务调度问题。传统的

烟花算法在解决云计算任务调度问题时大多只考虑单个目标，忽略了算法在多个

目标上的综合考量。首先，本文以任务完成时间与经济开销为目标构建模型，并

采用改进的烟花算法来设计相应的调度策略；其次，利用帕累托最优进一步优化

算法选择阶段的同时，通过线性权重方法为不同目标设定权重，创新性地定义了

适应值函数；最后，根据调度问题合理设计个体编码，将改进后的算法成功应用

于云计算的多目标任务调度中。实验结果表明，本文提出的算法在大规模任务调

度时，相比原算法节约时间约10%、节约成本约4%。

关键词云计算；任务调度；烟花算法；多目标

-I-

ResearchonMulti-objectiveTaskSchedulingProblem

inCloudComputingBasedonImprovedFireworks

Algorithm

Abstract

Inthetheoreticalresearchofcloudcomputing,taskscheduling,asaclassicand

highlyconcernedissue,aimstoenhancetheperformanceandefficiencyoftheentire

systembyoptimizingresourceallocationandutilization,therebyimprovinguser

experience.Existingmethodsmostlyemploymetaheuristicalgorithmstosolvetask

schedulingproblems,amongwhichthefireworksalgorithmisarepresentative

algorithm.However,thefireworksalgorithmsuffersfromissuessuchaslongexecution

timeandinsufficientiterationaccuracy.Furthermore,traditionalfireworksalgorithms

typicallyonlyconsiderasingleobjectivewhensolvingtaskschedulingproblems,

lacking