.png){kind=icon}
返回
Blockchain-enabled hybrid evolutionary scheduling for cloud resource optimization
.png){kind=icon}
PRE
AI
DOI：10.1007/s00607-025-01574-0.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
云计算任务调度在同时优化多个相互冲突的目标并确保安全性和透明性方面面临严峻挑战。本文提出了一种基于区块链的多目标调度框架，该框架集成了遗传算法（GA）、粒子群优化（PSO）、萤火虫算法和蚁群优化（ACO）算法。该框架解决了五个关键目标：最小化完工时间、降低成本、增强安全性、负载均衡和节能。在私有以太坊网络上部署的智能合约确保任务分配的防篡改和账单的透明化。使用CloudSim进行的实验评估表明，与传统方法相比，性能显著提升：完工时间减少23%，成本节省18%，能耗降低15%，安全评分达到99.2%。区块链集成仅引入2.8%的通信开销，同时提供了前所未有的安全性和可审计性。结果表明，混合进化算法在高负载场景下，收敛速度比单目标方法快35%，解的质量提高28%，为安全的云资源管理奠定了坚实基础。
Keyword:
Cloud computing
Task scheduling
Blockchain
Multi-objective optimization
Evolutionary algorithms
Swarm intelligence
Smart contracts
Energy efficiency
Load balancing
期刊
C
IF:
2.8
论文数:
2.3K
被引数:
3.5K
机构
引用论文
A hybrid particle swarm optimization and hill climbing algorithm for task scheduling in the cloud environments云环境下基于粒子群和爬山混合算法的任务调度.png)
ICT EXPRESS
OAAI
ICT EXPRESSIF4.2
OAAI分享收藏A Weights and Improved Adaptive Artificial Fish Swarm Algorithm for Path Planning权重与改进的自适应人工鱼群算法在路径规划中的应用
PREAI
分享收藏Optimizing task scheduling in cloud computing: a hybrid artificial intelligence approach云计算中任务调度的优化：一种混合人工智能方法
IF0
PREAI
分享收藏Design and development of mixed integer programming model for scheduling tasks through artificial intelligence基于人工智能的任务调度混合整数规划模型的设计与开发
PREAI
分享收藏
查看更多内容