Optimizing Workflow Scheduling in Cloud Computing: A Mixed-Integer Programming and Adaptive Multi-Objective Particle Swarm Optimization Approach with Stochastic Energy Considerations

doi:10.1016/j.array.2026.101245

Optimizing Workflow Scheduling in Cloud Computing: A Mixed-Integer Programming and Adaptive Multi-Objective Particle Swarm Optimization Approach with Stochastic Energy Considerations

2026-09-10

0

OA

AI

DOI：10.1016/j.array.2026.101245

原文链接

原文求助

摘要

En 中文

• 提出了一种随机混合整数规划（SMIP）模型，用于解决云计算环境下不确定能耗下的工作流调度问题。 • 开发了一种自适应多目标粒子群优化（AMOPSO）算法，以同时优化成本、完工时间和能耗。 • AMOPSO整合了玻尔兹曼选择、解空间扰动和自适应参数调整，以增强收敛性和多样性。 • 在Montage、CyberShake和Epigenomics工作流上的实验结果表明，AMOPSO在GD和HV指标上显著优于MOPSO、HPSO和CSSA。 • 所提出的方法为基础设施即服务（IaaS）云环境中的高效且鲁棒的多目标调度建立了新的基准。

Keyword:

Cloud computing

Workflow scheduling

Stochastic Mixed Integer Programming (SMIP)

Adaptive Multi-Objective Particle Swarm Optimization (AMOPSO)

Simulation-Based Optimization

Optimizing Workflow Scheduling in Cloud Computing: A Mixed-Integer Programming and Adaptive Multi-Objective Particle Swarm Optimization Approach with Stochastic Energy Considerations

摘要

期刊

机构

引用论文