.png){kind=icon}
返回
Multi-objective task scheduling algorithm for load balancing in cloud computing based on improved Harris hawks optimization
.png){kind=icon}
PRE
AI
DOI：10.1007/s11227-025-07091-3.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
近年来，任务调度和虚拟机（VM）分配已成为云计算环境中资源管理最为重要的挑战，这本质上是一个优化问题。任务调度和虚拟机分配问题的主要目标是缩短任务长度和完成时间，同时提升资源利用率。多种任务调度算法采用启发式和元启发式技术来解决这一优化问题。其中，Harris hawks optimization（HHO）算法是较为知名的几种技术之一。然而，这些方法大多未能考虑HHO算法的局限性，这会对任务调度过程产生影响。为解决云计算（CC）中的任务调度问题，本文提出了一种自适应任务调度算法，以增强HHO方法。该建议方法并非选择随机解，而是选择最优适配解，其特性被传递到HHO探索阶段的下一个解中。此外，改进后的HHO通过在HHO的利用阶段采用变异过程，避免了HHO的局部最优解。仿真结果表明，所提出的算法在负载均衡的标准差、完工时间、调度长度、吞吐量和资源利用率方面均优于当前方法。
Keyword:
Cloud computing
Task scheduling
Load balancing
Makespan
Harris hawks optimization
期刊
IF:
2.7
论文数:
1.1K
被引数:
1.0W
机构
引用论文
.png){kind=icon}
Comparison of GA, GWO, and HHO Optimization Techniques for Modeling Substrate/Buffer Loading Effect on GaN HEMTsGA、GWO和HHO优化技术对GaN HEMTs衬底/衬垫加载效应建模的比较
PREAI
分享收藏An IoT-based task scheduling optimization scheme considering the deadline and cost-aware scientific workflow for cloud computing一种考虑截止时间和成本感知的云计算科学工作流基于物联网的任务调度优化方案
OAAI
OAAI分享收藏
查看更多内容