%0 Journal Article
%T 云计算资源的动态随机扰动的粒子群优化策略
%A 杨谊
%A 钱俊
%J 计算机应用
%D 2018
%R 10.11772/j.issn.1001-9081.2018040898
%X 摘要 云计算环境中的资源具有动态性和异构性，大规模任务资源分配的目标是最小化完成时间和资源占用，同时具有尽可能好的负载均衡，这是一个非确定性多项式（NP）问题。借鉴智能群体算法的优点，提出基于改进的粒子群优化（PSO）算法构建混合式群体智能调度策略——动态随机扰动的PSO策略（DRDPSO）。首先，将PSO的惯性权重常数修改为变量，实现对求解过程收敛速度的合理控制；其次，缩小每次迭代的搜索范围，在保留候选最优集合的前提下减少无效搜索；然后，引入选择操作，筛选出优质个体并传递到下一代；最后，设计随机扰动，提高候选解的多样性，在一定程度上避免了局部最优陷阱。在CloudSim平台上进行了两类仿真测试，结果表明，处理同构任务时，在大部分情况下DRDPSO的指标都优于模拟退火遗传算法（SAGA）和遗传算法（GA）+PSO算法，总执行时间比SAGA减少13.7%~37.0%，比GA+PSO减少13.6%~31.6%；其资源耗费比SAGA减少9.8%~17.1%，比GA+PSO减少0.6%~31.1%；其迭代次数比SAGA减少15.7%~60.2%，比GA+PSO减少1.4%~54.7%；其负载均衡度比SAGA减小8.1%~18.5%，比GA+PSO减少2.7%~15.3%，且波动幅度最小。处理异构任务时，三种算法表现出相似的规律：CPU型任务的总执行时间最多，混合型任务次之，IO型任务最少，DRDPSO的综合指标最好，较为适合处理多种类型的异构任务，而GA+PSO算法适合快速求解混合型任务，SAGA则适合快速求解IO型任务。所提DRDPSO在处理较大规模的同构和异构任务时，能够较为明显地缩短总的任务执行时间，不同程度地提高资源利用率，并适当兼顾计算节点的负载均衡
%K 云计算资源
%K 动态调度
%K 群体智能算法
%K 混合式调度策略
%K 随机扰动
%U http://www.joca.cn/CN/abstract/abstract22735.shtml