Energy-aware priority-based task scheduling in cloud data centers using bacterial foraging optimization

Farzad Hosseinlou

doi:10.1038/s41598-026-50060-w

Energy-aware priority-based task scheduling in cloud data centers using bacterial foraging optimization

2026-05-26

0

OA

AI

Ali Asghar Pour Haji Kazem

DOI：10.1038/s41598-026-50060-w

原文链接

查看原文

摘要

En 中文

云计算正呈指数级增长，数据中心消耗越来越多的能源。因此，开发节能型任务调度算法已成为一个突出的研究问题和挑战。本文提出了一种基于超启发式细菌觅食优化（BFO-HH）算法的云数据中心优先级感知任务调度新方法。此外，引入了一种新的动态选择和组合4种低层启发式方法（任务选择、虚拟机迁移、负载均衡、资源整合）的方法，以最小化运营成本、减少能耗并提高服务质量（QoS）。所有实验均使用CloudSim 3.0.3工具包，在包含20到200个云片段的异构合成工作负载上进行。BFO-HH的性能与四种知名元启发式算法进行了比较：遗传算法（GA）、粒子群优化（PSO）、蚁群优化（ACO）和人工蜂群（ABC）。实验结果表明，在测试的CloudSim环境和20到200个任务的工作负载范围内，BFO-HH在多个指标上持续优于所有对比算法。例如，对于200个任务，BFO-HH能耗降低9.9%，工期缩短9.3%，服务等级协议（SLA）违规减少28%，资源利用率提高7%，运营成本降低14%，与当前最优基线算法相比。尽管这些改进具有统计学意义，如标准差和95%置信区间所示。

Keyword:

Energy-aware scheduling

Task scheduling

Cloud data centers

Bacterial Foraging Optimization

Priority-based scheduling

Energy-aware priority-based task scheduling in cloud data centers using bacterial foraging optimization

摘要

AI总结

期刊

机构

引用论文