主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公English
2020-2021年专刊出版计划 微信服务介绍 最新一期:2021年第1期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
李昆仑,王珺,宋健,董庆运.基于改进GEP和资源改变量的局部云任务调度算法.软件学报,2015,26(S2):78-89
基于改进GEP和资源改变量的局部云任务调度算法
Local Cloud Task Scheduling Algorithm Based on Improved GEP and Change of Resources
投稿时间:2014-05-02  修订日期:2014-08-22
DOI:
中文关键词:  云计算  GEP算法  ETC矩阵  任务调度
英文关键词:cloud computing  GEP algorithm  ETC matrix  task scheduling
基金项目:国家科技支撑计划(2013BAK07B04);河北省自然科学基金(F2013201170);河北省高等教育科学技术研究重点项(ZD2014008)
作者单位E-mail
李昆仑 河北大学电子信息工程学院, 河北保定 071000 likunlun@hbu.edu.cn 
王珺 河北大学电子信息工程学院, 河北保定 071000  
宋健 河北大学电子信息工程学院, 河北保定 071000  
董庆运 河北大学电子信息工程学院, 河北保定 071000  
摘要点击次数: 1499
全文下载次数: 2431
中文摘要:
      针对云计算中一些现有的基于批量调度模式和进化算法的动态云任务调度算法计算量较大,计算时间成本较高的现象,提出了一种基于改进基因表达式编程(GEP)和资源改变量的局部云任务调度算法.首先结合云任务调度的特点对普通GEP算法做出了相应的改进,然后采用加权求和的方式构造了一个基于综合利用率和能耗的适应度函数,最后依据物理机综合利用率的差异给出了基于改进GEP和资源改变量的局部云任务调度算法.基于资源改变量的局部云任务调度算法,通过对任务运行情况和物理资源使用情况进行监控,合理设定阈值,以减少参与调度物理机的个数,从而降低任务调度算法的时间成本.基于RH(rolling horizon)模型,通过实验将所提出的算法与普通遗传算法、全局GEP算法进行了比较,可知该算法不仅可以降低寻优时间,不易陷入局部最优解,且具有较快的收敛速度.
英文摘要:
      Cloud computing has become the focus information processing and many related fields with its powerful computing and storage capacity. For some of the existing phenomenon about the large calculation and high computing time cost in cloud task scheduling algorithms based on the batch model and evolution algorithm, this paper presents a local cloud task scheduling algorithm based on improved GEP and change of resources. In the process of designing the algorithm, it is first improved the GEP algorithm according to the characteristics of cloud task scheduling. And then, this paper constructs a fitness function considering both the comprehensive utilization and energy consumption. Finally, this paper constructs a local cloud task scheduling algorithm based on improved GEP and comprehensive utilization. The algorithm proposed in this paper reduces the computing time cost by monitoring the physical resource usage and reducing the number of physical machines involved in the task scheduling. The comparison experiments among GEP, genetic algorithm and the algorithm proposed in this paper based on RH (rolling horizon) model has been made. The results show that the proposed algorithm can not only reduce the optimization time, hard to fall into the local optimal solution, but also has the faster convergence speed.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利