王 猛，谭跃生（内蒙古科技大学工程训练中心，内蒙古 包头 014010）

基于简化粒子群和蚁群优化的云计算资源调度算法

王 猛，谭跃生
（内蒙古科技大学工程训练中心，内蒙古 包头 014010）

为了提高云计算环境下资源调度的效率，将BPSO-ACO算法应用到云计算的资源调度过程中，通过CloudSim平台的仿真实验，与粒子群算法和蚁群算法做比较，得到在同等条件下，简化粒子群优化和蚁群优化算法（BPSO-ACO）比单独的粒子群算法或蚁群算法在进行资源调度时，总任务的完成时间更短、收敛性更好。

云计算；资源调度；粒子群算法；蚁群算法

0　引言

1　云计算资源调度模型

云计算环境中有n个任务的集合T=（T1，T2， …，Tn） 分配到m个虚拟资源集合VM=（VM1，VM2， …，VMm） 上完成，其中Ti（i=1，2，3…n）表示第i个子任务，VMj（j=1，2，3…m）表示第j个虚拟资源，粒子群中一个粒子位置就是一个可行解，即一个资源分配序列，任务集合T在虚拟资源VM上的分配关系可表示为：

这是一个N维向量，其中xij表示任务i被分配到虚拟资源VMj上，xij是一个可行的资源分配方案。

定义CTij（i∈｛1，2，…，m｝，j∈｛1，2，…，n｝）表示任务Ti在虚拟资源VMj的完成时间:

目标是使得CTmax的值最小。

2　粒子群算法的优化及编码

对于粒子群算法的优化，大多数的改进是通过对参数自适应调整或杂交、变异参数或增加操作算子获得的。上述调整使得PSO算法越来越复杂，使得对于PSO收敛性的定量分析非常麻烦［2-3］。

通过分析粒子群算法可以发现：在粒子群中 ， 粒子速度概念不是必需的，因此 ，只需要考虑粒子位置的直接变化。参数vi代表粒子的速度，粒子速度的不能表示粒子趋近最优解位置的趋势。……