.png){kind=icon}
返回
Game theory-based framework for efficient task scheduling in cloud computing
.png){kind=icon}
PRE
AI
DOI：10.1007/s10586-025-05902-z.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
优化云计算中的任务调度以提升性能至关重要，尤其是在科学计算和资源密集型应用中。许多现有研究未能平衡关键指标，如完工时间、资源利用率和执行成本。本文提出了一种基于博弈论的增强型捕食者-猎物优化（EPPO）算法来解决这些挑战。除动态捕食者-猎物交互外，EPPO还纳入了考虑等待时间和任务处理时间的优化目标函数。与WOA、SSA、HHO、HGS、GWO、FOX和GEO的对比分析表明，EPPO性能更优，实现了完工时间32%、负载均衡23%、执行成本25%和资源利用率4%的提升。EPPO也比基于元启发式和博弈论的调度算法收敛更快。通过整合博弈论，EPPO有效解决了冲突目标并实现了高效资源分配。其鲁棒性和可扩展性凸显了其作为下一代云调度方案的潜力。未来工作将聚焦于并行化、能耗及安全性考量。
Keyword:
Meta-heuristic
Cloud computing
Predator-Prey optimizer
Game theory
Task scheduling
期刊
C
IF:
0
论文数:
691
被引数:
1
机构
引用论文
分享收藏Multi-Verse Optimizer: a nature-inspired algorithm for global optimization多宇宙优化器: 一种自然启发的全局优化算法
PREAI
分享收藏A comprehensive survey on scheduling algorithms using fuzzy systems in distributed environments在分布式环境中使用模糊系统的调度算法的综合调查
OAAI
OAAI分享收藏PPO: a new nature-inspired metaheuristic algorithm based on predation for optimizationPPO: 一种新的基于捕食的自然启发元启发式优化算法.png)
SOFT COMPUTING
SOFT COMPUTINGIF2.5
PREAI
分享收藏
查看更多内容