.png){kind=icon}
返回
Novel meta-heuristic optimization approach for joint task scheduling and virtual machine placement using Java Macaque Algorithm
.png){kind=icon}
OA
AI
DOI：10.1186/s13677-026-00949-8.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本研究探讨了异构云数据中心中的联合任务调度与虚拟机放置（JTSVMP），其中任务到虚拟机的分配和虚拟机到物理主机的放置必须共同优化以减少执行延迟、成本、能耗、资源碎片化和SLA违规。尽管Java猴尾草算法（JMA）最初被提出为通用元启发式算法，但本研究通过联合任务-VM-PH编码、截止日期和容量感知初始化、帕累托排序和网格辅助候选排序、可行性恢复以及整合感知的物理主机激活将其适配于JTSVMP。所提出的方法在CloudSim中使用NASA、HPC2N和合成工作负载进行了评估。每个数据集-算法-任务规模配置重复30次，并与EMO-TS、HGHHC、GA、HACOS和IGSO进行了比较。结果表明，JMA在减少完工时间、执行时间、执行成本、能耗、活动物理主机、资源浪费、不平衡度、运行时开销和SLA违规的同时提高了资源利用率。相对于最接近的能耗感知基线EMO-TS，JMA将完工时间、执行时间和执行成本分别降低了约2.15%，能耗降低了约0.79%。这些结果表明，所提出的基于JMA的JTSVMP框架在不增加服务可行性风险的情况下提供了均衡的调度和放置改进。
Keyword:
Cloud computing
Nature-inspired optimization algorithms
Java macaque algorithm
Virtual machine placement
Task scheduling
查看更多机构