.png){kind=icon}
返回
Cloud Resource Scheduling Using Multi-Strategy Fused Honey Badger Algorithm
.png){kind=icon}
PRE
AI
DOI：10.1089/big.2023.0146.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
云资源调度是大数据领域中最重要的任务之一，其本质上是一个组合优化问题。基于元启发式算法（MAs）的调度策略常被用于处理该问题。然而，MAs容易陷入局部最优，导致分配方案的质量下降。需要具备良好全局搜索能力的算法来将可用云资源映射到任务需求。蜂獾算法（HBA）是一种新提出的具有强搜索能力的算法。为了进一步提升调度性能，本文提出了一种改进的蜂獾算法（IHBA），该算法结合了两种局部搜索策略和一个新的适应度函数。IHBA与6种MAs在四种规模负载任务中进行比较。获得的对比仿真结果表明，所提出的算法优于文章中涉及的其他算法。IHBA增强了算法种群的多样性，扩展了个体的随机搜索范围，并在有效实现资源负载均衡的同时，防止算法陷入局部最优。
Keyword:
Honey Badger Algorithm
big data
cloud resource scheduling
analytics and visualization
load balancing
期刊
IF:
6.4
论文数:
1.5K
被引数:
1.1W
机构
引用论文
Optimizing makespan and resource utilization for multi-DNN training in GPU cluster在GPU集群中优化多DNN训练的makespan和资源利用率
.png){kind=icon}
PREAI
分享收藏分享收藏
A novel task scheduling algorithm integrated with priority and greedy strategy in cloud computing一种结合优先级和贪婪策略的云计算新型任务调度算法
PREAI
分享收藏Honey badger optimizer for extracting the ungiven parameters of PEMFC model: Steady-state assessment
PREAI
分享收藏
查看更多内容