.png){kind=icon}
返回
A chaotic local search-based dwarf mongoose optimization algorithm for multi-objective task scheduling in cloud computing
.png){kind=icon}
OA
AI
DOI：10.1186/s13677-025-00837-7.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
云计算已迅速发展成为各领域不可或缺的技术，提供可扩展且按需的服务以满足用户需求。尽管其优势明显，但这种模式引入了诸多挑战，特别是在任务调度方面——这是影响基础设施即服务（IaaS）环境中系统性能的关键因素。IaaS云环境中的任务调度仍是一个具有挑战性的多目标优化问题，尤其是在动态工作负载和资源异构性条件下。然而，许多现有的基于元启发式的方法存在早熟收敛和陷入局部最优等缺陷，导致任务到资源的映射结果次优。为解决这些局限性，本文提出了一种新型混合优化算法，该算法整合了侏儒 mongoose 优化（DMO）算法的探索能力与增强多样性的混沌局部搜索（CLS）策略。该算法在CloudSim仿真环境中实现，并使用真实工作负载轨迹GoCJ和HPC2N，在固定和可变虚拟机设置下进行评估。性能基于包括完工时间、执行成本和资源利用率等指标进行评估。结果表明，CLSDMO算法始终实现更低的完工时间值，在1000个任务时，其完工时间为314.37，相比其他算法的321.99、326.86和336.94。进行了统计t检验以评估观测到的改进的显著性。CLSDMO显示出统计学上的显著改进（p < 0.05），高置信水平证明了完工时间的降低，表明其具有稳健的可扩展性和调度质量。
Keyword:
Cloud computing
Task scheduling
Multi-objective optimization
Chaotic local search
Makespan
CloudSim
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
J
IF:
0
论文数:
103
被引数:
0
机构
引用论文
Improved Black Widow Optimization: An investigation into enhancing cloud task scheduling efficiency改进的黑寡妇优化: 提高云任务调度效率的研究
PREAI
分享收藏Efficiency and optimization of government service resource allocation in a cloud computing environment云计算环境下政府服务资源配置的效率与优化OAAI
OAAI分享收藏Multi-objective task scheduling in cloud data centers: a differential evolution chaotic whale optimization approach云计算数据中心的多目标任务调度：一种差分进化混沌鲸鱼优化方法
PREAI
分享收藏Multi objective trust aware task scheduling algorithm in cloud computing using whale optimizationOAAI
OAAI分享收藏
分享收藏A Cloud Computing-Based Modified Symbiotic Organisms Search Algorithm (AI) for Optimal Task Scheduling.png)
SENSORSOAAI
SENSORSIF3.5
OAAI分享收藏
查看更多内容