41、基于自适应混合ICA - PSO算法的云环境多任务调度算法

基于自适应混合ICA - PSO算法的云环境多任务调度算法

1. 引言

云计算在近十年被广泛应用于商业服务领域，它能轻松实现按需服务供应，在计算和存储方面带来诸多益处。任务调度是云计算的关键环节，直接影响资源利用率。

在云环境中，任务调度面临诸多挑战。特别是基于截止时间的任务调度，因其涉及多种参数，更具挑战性。随着用户请求增多，调度任务也相应增加，现有策略往往难以有效解决问题。许多基于随机搜索的算法，如遗传算法（GA）和粒子群优化算法（PSO），常被用于解决任务调度问题，但这些算法可能陷入局部最优。

为解决这一问题，本文采用有向图（DG）模型表示关联多任务，假设任务间存在执行优先级依赖，引入基于自适应混合ICA - PSO的算法来解决关联多任务调度问题。

2. 相关工作

• GA算法 ：Bilgayan等人提出使用遗传算法（GA）进行云任务调度，可减少等待时间。用户请求加入队列后，GA找出队列的最佳顺序，提高系统吞吐量。
• ACO与GA结合算法 ：Dai等人引入结合蚁群优化算法（ACO）和GA的任务调度算法，生成初始高效信息素，评估QoS目标，保证QoS的同时平衡资源。
• 改进的PSO算法 ：Liu使用裸骨PSO算法中的破坏算子降低求解非线性函数的计算成本；Mandal提出在线性递减惯性权重技术中利用自适应加速常数，提高PSO算法的收敛速度和性能；Li等人通过将混沌序列与自适应惯性权重因子关联，改进PSO算法，避免陷入局部最优。

3.