43、云计算环境中基于任务调度的能耗最小化优化算法

云计算环境中基于任务调度的能耗最小化优化算法

1. 引言

随着云计算范式的普及和便利，许多企业现在可以选择将其应用迁移、计算和托管到云端。云计算的每个服务都可以根据客户需求进行定制。早期大数据的应用受到了传统硬件处理多源多样化工作负载能力的限制，因此许多 IT 公司希望向云环境过渡，以更好地支持客户日益复杂和多样的工作负载。

云计算具有诸多优势，企业渴望将其本地基础设施迁移到云端，利用数据中心的虚拟化设计为客户提供更多自由和可靠性。由于云计算应用的便利性、可访问性以及用户地理分布广泛，各行业的用户越来越倾向于使用云计算应用。因此，需要一个高效的调度器为云用户提供虚拟资源，以应对同时来自多个用户的请求。

在云范式下，高效的调度器应能根据上传到云控制面板的工作负载动态调度作业，这对云提供商和云客户都有益。本研究提出了一种调度方法，通过服务水平协议（SLA）指标（如可用性、成功率和周转效率）计算信任度，这些变量间接影响了完成时间、能源使用和服务质量。此前已有许多作者使用元启发式和自然启发式程序（如 PSO、GA、ACO 等）来开发任务调度器，但很少有作者同时考虑完成时间、SLA 违规和能源消耗等参数。本研究通过仔细评估任务和虚拟机的优先级，提高了可用性和成功率，从而提升了信任值。研究发现，优化信任参数可以降低相关指标，反之亦然。

为了提高独特的蝴蝶优化算法（BOA）的优化精度，提出了一种新的混合闪光蝴蝶优化方法（HFBOA）来解决受限制造问题。BOA 由于在觅食和交配过程中仅关注气味感知规则，导致其最优精度较差。相关生态研究表明，蝴蝶视觉在觅食过程（收集花粉）中很重要。HFBOA 更真实地反映了蝴蝶的觅食行为，因为它结合了嗅觉和视觉线索进行全局和局部搜索。此外，采用