返回
Energy-efficient task scheduling in heterogeneous cloud computing using discrete Coati Optimization Algorithm
DOI:10.1007/s11227-026-08563-w.png)
摘要
En 中文
本文提出DCOA-TS,一种针对异构云环境中能量感知任务调度的Coati优化算法的离散适配版本。DCOA-TS用定制的离散算子替换连续更新,包括交换、合并和交叉操作,以在保持分配可行性的同时平衡全局探索和局部开发。它通过整合工期、能耗和截止时间违规惩罚来最小化加权目标。在中等至大型工作负载的广泛CloudSim Plus实验中表明,DCOA-TS始终优于经典启发式算法、元启发式算法和强化学习基准,实现最高87.6%的工期缩减(DCOA-TS: 9656 s vs. FCFS: 77,919 s,在100,000个任务时),显著节能(5000个任务时最高87%),以及更低的平均等待时间。所有改进均具有统计学意义($$p < 10^{-9}$$,Wilcoxon符号秩检验,30个种子)。收益源于优先将计算密集型任务分配到高性能虚拟机上并抑制低效主机活动,从而改善利用率和能效平衡。敏感性分析表明,迭代次数的影响大于种群规模,凸显了离散调度中更深层开发的必要性。这些结果表明,DCOA-TS作为异构云中大规模、节能调度的有力候选方案,可提升吞吐量、降低能耗并改善排队公平性。
Keyword:
Task scheduling
Cloud computing
Discrete Coati Optimization Algorithm
Energy consumption
Makespan
Metaheuristic algorithm
Heterogeneous environment
期刊
T
IF:
0
论文数:
647
被引数:
0
机构
引用论文
A Hybrid Particle Swarm Optimization and Simulated Annealing With Load Balancing Mechanism for Resource Allocation in Fog-Cloud Environments雾云环境下具有负载均衡机制的混合粒子群优化和模拟退火算法的资源分配
IEEE ACCESS
IF3.6
A discrete whale optimization algorithm for the no-wait flow shop scheduling problem一种离散鲸鱼优化算法用于无等待流水车间调度问题
Quality of service aware improved coati optimization algorithm for efficient task scheduling in cloud computing environment服务质量感知的改进Coati优化算法,用于云计算环境中的高效任务调度
Energy-Efficient Task Scheduling and Resource Allocation for Improving the Performance of a Cloud–Fog Environment面向云-雾环境性能提升的节能任务调度与资源分配
Symmetry
IF0
An effective method for prospective scheduling of tasks in cloud-fog computing with an energy consumption management approach based on Q-learning基于Q-learning的能量消耗管理方法的云-雾计算中任务前瞻性调度的有效方法
Energy efficient task scheduling for heterogeneous multicore processors in edge computing
SCIENTIFIC REPORTS
IF3.9
Coati Optimization Algorithm: A new bio-inspired metaheuristic algorithm for solving optimization problemsCoati优化算法: 一种新的生物启发的元启发式算法,用于解决优化问题

