王玲

摘 要：针对云计算环境下节点数量巨大，单个节点资源配置低，难以实现及时的资源调度有效性，为此提出了一种基于云计算环境下资源调度分配的改进遗传算法策略。通过在算法中添加查找表作为一个中间层，给不同的任务推荐匹配的节点，根据不同的节点类型或者成功率因子来进行节点选择，采用节点强度对任务查找进行优先级划分，并根据概率参数来查看查找表信息。仿真结果表明：提出的算法相较于传统的RR算法，显著降低了任务执行耗时，从而能然用户任务更快的完成。

关键词：云计算;资源分配;调度优化;蚁群算法

Abstract：Because of the large scale of nodes in cloud computing environment and the low resource allocation of a single node， this paper proposes an improved genetic algorithm （GA） strategy based on resource scheduling and allocation in cloud computing environment. By adding the lookup table as an intermediate layer in the algorithm， the matching nodes are recommended to different tasks， and the nodes are selected according to different node types or success rate factors. The node strength is used to prioritize the task search， and the lookup table information is viewed according to the probability parameters. The simulation results show that the proposed algorithm is significantly lower than the traditional RR algorithm. The execution of the transaction is time-consuming so that the user task can be completed more quickly.

Key words：cloud computing;resource allocation;scheduling optimization;ant colony algorithm

0 引言

云計算采用服务方式为用户提供虚拟化资源池，实现分布式资源的合理调度余分配，并根据需求进行存储空间、计算能力的提升[1-4]。当前云计算资源管理方面主要以提高系统效率为目标的资源管理和调度研究[5-8]。如文献[9]基于遗传算法来实现云计算任务调度的负载均衡，有效提升资源分配效率和计算稳定性;文献[10-13]中基于动态趋势的蚁群算法，解决资源调度过程中空间占用率较多及响应时间过程问题，提升响应速度和计算精确度;文献[14-16]中针对云计算环境下资源调度性能进行策略优化，通过引入一种双适应度动态遗传策略来提升大规模数据响应效率，并寻找到资源调度的最优路径。

综上所述，本文在云计算资源调度方面，通过对传统蚁群资源调度算法的改良来提升云计算资源调度效率，同时降低运算成本。……