一种基于改进蚁群算法的多目标优化云计算任务调度策略

摘要

提出了一种兼顾任务最短完成时间、成本和负载均衡的改进的集多目标优化的蚁群任务调度算法(time,cost and load balance ant colony optimization,TCL-ACO).首先,针对云计算下任务调度的特点定义任务完成时间成本的约束函数和负载均衡度函数.对于蚁群算法进行初始信息素、启发函数、信息素更新方式进行改进.然后,用改进的蚁群算法求解目标约束函数得到全局最优解.最后在cloudsim下进行仿真,并与Min-Min算法和ACO算法进行仿真对比,实验结果表明本文算法在成本、任务的执行时间和负载均衡方面优于这两种算法.