.png){kind=icon}
返回
Task Scheduling in Cloud Computing Using a Hybrid Bobcat Optimization Algorithm with Humboldt Squid Optimization
.png){kind=icon}
PRE
AI
DOI：10.1142/S0219843625400134.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
任务调度是云计算中采用的最重要资源优化和高效系统性能方法。本文提出了一种混合渔猫优化算法（BSHO），该新型方法融合了渔猫优化算法（BOA）和洪堡鱿鱼优化算法（HSO），旨在降低动态云计算环境中的任务调度复杂性。建议框架的目标是最大化任务分配到虚拟机（VMs），最小化完成时间，优化资源利用率，并减少能耗。BSHO利用BOA的局部搜索特性以及HSO的全局搜索技术，从而有助于适应多样化的云环境和负载。BSHO的性能通过执行成本、任务完成率、CPU利用率及适应度值等关键参数进行评估。实验结果表明，BSHO优于经典调度算法，其执行成本降至800至1300美元之间，同时将任务完成时间缩短至20至45毫秒（基于VM数量）。此外，BSHO确保最大负载均衡效率达89%，任务执行率达98%，因此成为云计算系统中一种高效的调度算法。结果表明，BSHO为改进云任务调度提供了一种稳健、高效且可扩展的解决方案。
Keyword:
Cloud computing
task scheduling
optimization
Bobcat optimization algorithm
Humboldt squid optimization
resource management
期刊
IF:
1.6
论文数:
62
被引数:
633
机构
引用论文
Enhancing data security in the cloud using MECC-SIDH enhanced CL-HPAEKS scheme通过MECC-SIDH增强的CL-HPAEKS方案提升云数据安全.png)
IF0
PREAI
分享收藏Optimizing MapReduce Task Scheduling on Virtualized Heterogeneous Environments Using Ant Colony OptimizationIEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏
A Hybrid Gravitational Emulation Local Search‐Based Algorithm for Task Scheduling in Cloud ComputingOAAI
OAAI分享收藏Multiobjective Task Scheduling in Cloud Environment Using Decision Tree AlgorithmIEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏分享收藏
查看更多内容