基于蚁群优化算法的云计算任务分配

计算机应用 ›› 2012, Vol. 32 ›› Issue (05): 1418-1420.

基于蚁群优化算法的云计算任务分配

张春艳¹,刘清林¹,孟珂²

1. 中国矿业大学计算机科学与技术学院，江苏徐州 221116
2. 中国矿业大学计算机科学与技术学院,江苏徐州 221008

收稿日期:2011-11-16 修回日期:2012-01-16 发布日期:2012-05-01 出版日期:2012-05-01
通讯作者: 张春艳
作者简介:张春艳（1985-），女，江苏沛县人，硕士研究生，主要研究方向：蚁群算法、云计算；
刘清林（1985-），男，山东泰安人，硕士研究生，主要研究方向：协同推荐系统；
孟珂（1987-），男，江苏沛县人，硕士研究生，CCF会员，主要研究方向：最短路径算法。

Task allocation based on ant colony optimization in cloud computing

ZHANG Chun-yan¹,LIU Qing-lin¹,MENG Ke²

1. School of Computer Science and Technology, China University of Mining and Technology, Xuzhou Jiangsu 221116, China
2. School of Computer Science and Technology, China University of Mining and Technology, Xuzhou Jiangsu 221008, China

Received:2011-11-16 Revised:2012-01-16 Online:2012-05-01 Published:2012-05-01
Contact: ZHANG Chun-yan

摘要/Abstract

摘要： 针对已有的适用于分配任务的蚁群算法易陷入局部最优解的缺陷，提出了一个保证云服务质量的分组多态蚁群算法。该算法将蚁群按职能不同分为搜索蚁、侦察蚁和工蚁，根据预测完成时间的更新使平均完成时间逐渐取得最小值，从而减少产生局部最优解的可能，最后通过Cloudsim仿真实现。结果表明该方法减少了处理请求任务的平均完成时间，提高了任务处理的效率。

关键词: 云计算, Cloudsim, 蚁群算法, 多态

Abstract: Concerning the defects of the Ant Colony Optimization (ACO) for the task allocation, a grouping and polymorphic ACO was proposed to improve the service quality. The algorithm, which divided the ants into three groups: searching ants, scouting ants and working ants, with the update of forecast completion time to gradually get the minimum of the average completion time and to decrease the possibility of generation to local optimum, was emulated and achieved with Cloudsim tookit at last. Results of the experiment show that the time of handling requests and tasks of this approach has been reduced and the efficiency of handling tasks gets improved.

Key words: cloud computing, Cloudsim, Ant Colony Optimization (ACO), polymorphic

中图分类号:

张春艳刘清林孟珂. 基于蚁群优化算法的云计算任务分配[J]. 计算机应用, 2012, 32(05): 1418-1420.

ZHANG Chun-yan LIU Qing-lin MENG Ke. Task allocation based on ant colony optimization in cloud computing[J]. Journal of Computer Applications, 2012, 32(05): 1418-1420.

参考文献

［1］蒋海鸥，王希斌.云计算中存储资源管理策略的探究［J］. 程序员，2010，5（1）：74-76.

［2］段海滨，于道波，于秀芬.基于云模型理论的蚁群算法改进研究［J］.哈尔滨工业大学学报：自然科学版，2005，37（11）：115-119.

［3］BLUM C，VALLES M Y，BLESA M J. An ant colony optimization algorithm for DNA sequencing by hybridization［J］. Computers & Operations Research 2008,35(11):3620-3625.

［4］WANG H S. A two-phase ant colony algorithm for multi-echelon defective supply chain network design［J］．European Journal of Operational Research, 2009, 192(1): 243-252.

［5］CARPANETO E, CHICCO G. Distribution system minimum loss reconfiguration in the hyper-cube ant colony optimization framework［J］. Electric Power Systems Research, 2008, 78(12): 2037-2045.

［6］HOU Y H, WU Y W, LU L J, et al．Generalized ant colony optimization for economic dispatch of power system［C］// Proceedings of the 2002 International Conference on Power System Technology. Washington, DC: IEEE Computer Society， 2002,1: 225-229.

［7］CHEN Y F，LIU Y S, FATTAH C A, et al. HDACC: A heuristic density based ant colony clustering algorithm［C］// Proceedings of the IEEE/WIC/ACM International Conference on Intelligent Agent Technology. Washington, DC: IEEE Computer Society， 2004: 397-400．

［8］NALMI H M, TAHERINEJAD N. New robust and efficient ant colony algorithms: Using new interpretation of local updating process［J］. Expert Systems with Applications， 2009, 36(1): 481-488.

［9］YANG J H, SHI X H, MARCHESE M, et al. An ant colony optimization method for generalized TSP problem［J］.Progress in Natural Science, 2008，18(11):1417-1422.

［10］徐精明，曹先彬，王煦法.多态蚁群算法［J］．中国科学技术大学学报，2005，35(1)：59-65.

［11］李秋云，朱庆保，马卫. 用于连续域寻优的分组蚁群算法［J］.计算机工程与应用,2010，46（30）：46-49.

［12］BUYYA R,MURSHED M. GridSim: A toolkit for the modeling and simulation of distributed resource management and scheduling for grid computing［J］.The Journal of Concurrency and Computation: Practice and Experience (CCPE), 2002, 14(13/14/15):1175-1220.

[1]	孙鉴, 马宝全, 吴隹伟, 杨晓焕, 武涛, 陈攀. 地震场景下无人机群路径规划与任务分配均衡联合优化[J]. 《计算机应用》唯一官方网站, 2024, 44(10): 3232-3239.
[2]	陆佳行, 戴华, 刘源龙, 周倩, 杨庚. 面向云环境密文排序检索的字典划分向量空间模型[J]. 《计算机应用》唯一官方网站, 2023, 43(7): 1994-2000.
[3]	游坤, 王钦辉, 李鑫. 通用的多元抵制假名的云计算拍卖机制[J]. 《计算机应用》唯一官方网站, 2023, 43(11): 3351-3357.
[4]	孙京宇, 朱家玉, 田自强, 史国振, 关川江. 基于椭圆曲线加密且支持撤销的属性基加密方案[J]. 《计算机应用》唯一官方网站, 2022, 42(7): 2094-2103.
[5]	张金泉, 徐寿伟, 李信诚, 王重洋, 徐景芝. 基于正交自适应鲸鱼优化的云计算任务调度[J]. 《计算机应用》唯一官方网站, 2022, 42(5): 1516-1523.
[6]	韩舒宁, 徐敏, 董学士, 林青, 沈凡凡. 混合伊藤算法求解多尺度着色旅行商问题[J]. 《计算机应用》唯一官方网站, 2022, 42(3): 695-700.
[7]	代荣荣, 李宏慧, 付学良. 基于差分进化融合蚁群算法的数据中心流量调度机制[J]. 《计算机应用》唯一官方网站, 2022, 42(12): 3863-3869.
[8]	刘志硕, 刘若思, 陈哲. 基于混合蚁群算法的冷链电动汽车车辆路径问题[J]. 《计算机应用》唯一官方网站, 2022, 42(10): 3244-3251.
[9]	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.
[10]	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.
[11]	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.
[12]	李二超, 齐款款. B样条曲线融合蚁群算法的机器人路径规划[J]. 《计算机应用》唯一官方网站, 2021, 41(12): 3558-3564.
[13]	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.
[14]	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.
[15]	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.