.png){kind=icon}
返回
Efficient soft computing approach for task scheduling in cloud computing
.png){kind=icon}
PRE
AI
DOI：10.1007/s00607-025-01539-3.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
云计算提供了对共享计算资源的灵活、按需访问，使得任务调度对于资源利用率的优化至关重要。缺乏有效的调度意味着许多资源可能被使用却无法实现预期目标，因为它们成本高昂。尽管已提出许多现有的调度算法，但这些算法在资源利用的背景下无法保证预期目标。为缓解这一挑战，我们引入了一种新的元启发式方法WPUR-GAGSA，该方法结合了一种新的用于任务排序的WPUR方法以及用于任务调度的GA-GSA。所提出的方法结合了GA用于开发（exploitation）和GSA用于探索（exploration），以提供更好的解收敛率。与最先进的方法相比，仿真结果表明，所提出的WPUR-GAGSA方法在完工时间、能耗和成本方面分别提升了37%、41%和30%。随后，采用单因素方差分析（one-way ANOVA）的统计研究进一步确认并验证了所提出方法的可信度和效率。
Keyword:
Cloud computing
Task scheduling
Genetic algorithm
Gravitational search algorithm
Makespan
Energy
Cost
optimization
ANOVA
期刊
C
IF:
2.8
论文数:
2.3K
被引数:
3.5K
机构
引用论文
Lateral Wolf Based Particle Swarm Optimization (LW-PSO) for Load Balancing on Cloud Computing基于侧向狼群粒子群优化（LW-PSO）的云计算负载均衡
.png){kind=icon}
PREAI
分享收藏Using Genetic Algorithms to Optimize Job Scheduling in Google Cloud Platform使用遗传算法优化Google Cloud Platform中的作业调度
PREAI
分享收藏
查看更多内容