.png){kind=icon}
返回
MDMOSA: Multi-Objective-Oriented Dwarf Mongoose Optimization for Cloud Task Scheduling
.png){kind=icon}
PRE
AI
DOI：10.32604/cmc.2025.072279.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
云计算中的任务调度是一个多目标优化问题，通常涉及最小化执行时间、降低运营成本和最大化资源利用率等相互冲突的目标。然而，传统方法常依赖单目标优化方法，无法充分捕捉此类问题的复杂性。为解决此局限，我们引入MDMOSA（基于模拟退火的多目标侏儒 mongoose 优化），该混合算法将多目标优化应用于基础设施即服务（IaaS）云环境中的高效任务调度。MDMOSA融合了生物启发的侏儒 mongoose 优化（DMO）的探索能力与模拟退火（SA）的利用优势，实现平衡的搜索过程。该算法旨在通过减少工期和财务成本同时提高系统资源利用率来优化任务分配。我们在CloudSim环境中使用真实世界的Google Cloud Jobs（GoCJ）数据集对MDMOSA进行了广泛仿真评估。与SMOACO、MOTSGWO和MFPAGWO等基准算法的比较分析表明，MDMOSA在调度效率、成本效益和可扩展性方面持续表现出更优性能。这些结果证实了MDMOSA作为动态和异构云计算基础设施中资源调度鲁棒且适应性强解决方案的潜力。
Keyword:
Cloud computing
multi-objective
task scheduling
dwarf mongoose optimization
metaheuristic
