姜力争 裴云曼 赵建涛

(华北电力大学控制与计算机工程学院 北京 102206)

0 引 言

云计算[1-2]是一种新型的计算模型，它通过虚拟化技术，将分布于不同网络节点的资源联系起来形成资源池，为用户所需资源进行统一管理和统一分配。而云计算中的任务分配算法的优劣对用户的满意程度与平台的质量效率产生了直接的影响，因此任务分配算法一直是云计算领域的重点研究方向。近年来，许多专家学者对云计算中的任务分配问题进行了深入研究。任务分配算法大致可以分为三类[3]。第一类为基于经典策略的任务分配算法，如轮询算法、Min-Min算法和Max-Min算法等。第二类为基于单一群智能优化算法的任务分配算法，如蚁群算法、遗传算法、蛙跳算法等。第三类为基于混合群智能优化算法的任务分配算法，如遗传-蚁群算法[4]、蛙跳-蚁群算法[5]等。

蚁群算法[6](Ant colony optimization,ACO)是一种仿生优化算法，其灵感是Marco Dorigo发现蚂蚁在觅食过程中群体所表现出来的超高的团队合作能力，能够很好地应用于任务-资源分配的N-P问题。文献[6]提出劣化因子蚁群算法，劣化因子的合理选择不仅可以平衡负载还能提高资源的利用率。文献[7]提出的改进信息素挥发程度的蚁群优化算法，提高局部和全局的搜索性能。文献[2]提出的基于资源状态的蚁群算法，在资源消耗和任务等待时间上有较大优势。上述研究从不同角度上都改进了云计算任务分配问题。但是云计算的任务分配问题是一个需要以多指标最优为最终目标，既要考虑云服务的稳定性和用户的满意程度，又要考虑资源的使用效率和运营成本。……