云平台下动态任务调度人工免疫算法

计算机应用 ›› 2014, Vol. 34 ›› Issue (2): 351-356.

云平台下动态任务调度人工免疫算法

杨镜¹,吴磊¹,武德安¹,王晓敏²,刘念伯²

1. 电子科技大学数学科学学院，成都 611731
2. 电子科技大学计算机科学与工程学院，成都 611731

收稿日期:2013-07-11 修回日期:2013-09-12 出版日期:2014-02-01 发布日期:2014-03-01
通讯作者: 杨镜
作者简介:杨镜(1988-)，男，四川宜宾人，硕士研究生，主要研究方向：网络计算、分布式计算；吴磊(1978-)，男，四川成都人，副教授，博士，主要研究方向:网络计算、分布式计算；武德安(1972-), 男，四川成都人，副教授，博士，主要研究方向：无线网络、随机过程；王晓敏(1978-)，女，四川成都人，副教授，博士，主要研究方向：无线自组网络；刘念伯(1975-)，男，四川成都人，讲师，博士，主要研究方向：无线自组网络。
基金资助:
国家自然科学基金资助项目;中央高校基本科研业务专项资金资助项目

Artificial immune algorithm for dynamic task scheduling on cloud computing platform

YANG Jing¹,WU Lei¹,WU Dean¹,WANG Xiaomin²,LIU Nianbo²

1. School of Mathematical Sciences, University of Electronic Science and Technology of China, Chengdu Sichuan 611731, China；
2. School of Computer Science and Engineering, University of Electronic Science and Technology of China, Chengdu Sichuan 611731, China

Received:2013-07-11 Revised:2013-09-12 Online:2014-02-01 Published:2014-03-01
Contact: YANG Jing
Supported by:
National Natural Science Foundation

摘要/Abstract

摘要： 针对云计算领域的任务调度问题，提出了一种基于人工免疫(AI)理论的云计算平台动态任务调度算法。该算法首先利用排队论迅速、粗略地确定云计算平台保持稳态的条件，并为后面的计算提供基础数据;然后利用人工免疫理论中的免疫克隆选择算法，搜索出为集群中各节点上的不同虚拟机分配计算资源的近似最优配置;算法中还加入了适当的负载平衡处理，它使抗体基因更加优良。模拟实验结果表明，该调度算法能有效提高收敛速度和精度，快速搜索到合理配置，提高了集群资源利用率。

关键词: 云计算, 人工免疫, 动态任务调度, 虚拟机, 资源配置, 排队论

Abstract: In the field of cloud computing, it is a key problem that how task schedules. This paper presented an artificial immune algorithm for dynamic task scheduling on cloud computing platform. Firstly, the algorithm used the queuing theory to determine the conditions of cloud computing platform to maintain steady-state, and provided the basic data for the following algorithm. Then, this paper used the clone selection algorithm to search out the approximate optimal configuration which calculated resources for different virtual machines of different nodes in the cluster. Finally, proper load balancing processing algorithm joined with immune theory improved the antibody genes. The results of simulation experiment show that, this algorithm can effectively improve the convergence speed and accuracy, search reasonable allocation quickly and improve the cluster resource utilization.

Key words: cloud computing, Artificial Immune (AI), dynamic task scheduling, virtual machine, resource configuration, queuing theory

中图分类号:

TP18

杨镜吴磊武德安王晓敏刘念伯. 云平台下动态任务调度人工免疫算法[J]. 计算机应用, 2014, 34(2): 351-356.

YANG Jing WU Lei WU Dean WANG Xiaomin LIU Nianbo. Artificial immune algorithm for dynamic task scheduling on cloud computing platform[J]. Journal of Computer Applications, 2014, 34(2): 351-356.

[1]	陈家豪, 殷新春. 基于云雾计算的可追踪可撤销密文策略属性基加密方案[J]. 计算机应用, 2021, 41(6): 1611-1620.
[2]	葛丽娜, 胡雨谷, 张桂芬, 陈园园. 云计算环境基于客体属性匹配的逆向混合访问控制方案[J]. 计算机应用, 2021, 41(6): 1604-1610.
[3]	杨翎, 姜春茂. 基于三支决策的虚拟机节能迁移策略[J]. 计算机应用, 2021, 41(4): 990-998.
[4]	孙晓玲, 杨光, 沈焱萍, 杨秋格, 陈涛. 基于可拆分倒排索引的可搜索加密方案[J]. 《计算机应用》唯一官方网站, 2021, 41(11): 3288-3294.
[5]	吕佳玉, 竺智荣, 姚志强. 云计算环境下的双通道数据动态加密策略[J]. 计算机应用, 2020, 40(8): 2268-2273.
[6]	蔡豪, 袁正道. 云数据中心基于贪心模式的虚拟机选择算法[J]. 计算机应用, 2020, 40(6): 1707-1713.
[7]	陈程军, 毛莺池, 王绎超. 基于激活-熵的分层迭代剪枝策略的CNN模型压缩[J]. 计算机应用, 2020, 40(5): 1260-1265.
[8]	郭曙杰, 李志华, 蔺凯青. 云环境下基于模糊隶属度的虚拟机放置算法[J]. 计算机应用, 2020, 40(5): 1374-1381.
[9]	许英鑫, 孙磊, 赵建成, 郭松辉. 基于蚁群优化算法的虚拟现场可编程门阵列部署策略[J]. 计算机应用, 2020, 40(3): 747-752.
[10]	王庆永, 毛莺池, 王绎超, 王龙宝. 基于多微云协作的计算任务卸载[J]. 计算机应用, 2020, 40(2): 328-334.
[11]	刘福鑫, 李劲巍, 王熠弘, 李琳. 基于Kubernetes的云原生海量数据存储系统设计与实现[J]. 计算机应用, 2020, 40(2): 547-552.
[12]	杨哂哂, 吴慧珍, 庄黎丽, 吕宏武. 基于Markov过程的IaaS系统可用性建模与分析方法[J]. 计算机应用, 2020, 40(10): 3013-3018.
[13]	林立, 熊金波, 肖如良, 林铭炜, 陈秀华. Gaming@Edge:基于边缘节点的低延迟云游戏系统[J]. 计算机应用, 2019, 39(7): 2001-2007.
[14]	徐雅斌, 彭宏恩. 基于需求预测的PaaS平台资源分配方法[J]. 计算机应用, 2019, 39(6): 1583-1588.
[15]	李启锐, 彭志平, 崔得龙, 何杰光. 容器云环境虚拟资源配置策略的优化[J]. 计算机应用, 2019, 39(3): 784-789.