基于负载均衡蚁群优化算法的云计算任务调度

摘要

合理分配虚拟计算资源以有效进行任务调度是云计算中的一项核心问题.针对云计算任务调度过程中资源负载不均的问题,根据虚拟机负载情况提出信息素调整因子(pheromone adjustment factor,PAF),改进信息素更新规则.提出基于负载平衡的蚁群优化算法(Load Balancing Ant Colony Optimization,LBACO).改进的调度策略在云仿真平台CloudSim上进行实验,结果表明LBACO算法不仅能降低任务执行时间,还可有效保持云数据中心虚拟机资源负载平衡.