李成严，宋 月，马金涛

哈尔滨理工大学 计算机科学与技术学院，哈尔滨 150080

云资源调度是云计算中的核心内容，文献[1]为了使完工时间最短，建立了相应的云计算调度模型。文献[2]在调度过程中，保证服务质量的前提下，使云服务提供商获取最大的利益。文献[3]为了使能源消耗最小，建立了实时调度系统。以上这些研究中，使用的都是确定的执行时间。但是由于任务执行的不可预见性，在任务执行完成之前，执行时间只能是一个估计的值，这就导致任务的执行时间具有不确定性，因此本文在建立云资源调度模型时，对任务执行时间具有不确定性的情况进行了考虑。在解决实际问题时，数学模型可以分为三类，分别为确定性的数学模型、随机性的数学模型和模糊性的数学模型，对于不确定的需要估计的问题，就需要模糊数学模型进行解决。文献[4]使用模糊遗传系统对疾病的诊断时间进行了时间复杂度的分析，文献[5]研究了云环境下基于模糊神经网络算法的作业调度。在本文中，使用三角模糊数对不确定的任务执行时间进行表示[6]，建立了模糊的云资源调度模型。

云资源调度问题是一个NP 完全问题[7]，没有有效的多项式算法。为解决云资源调度问题，国内外学者常常采用智能优化算法来实现上述目标。智能优化算法包括遗传算法（genetic algorithm，GA）[8]，粒子群算法（particle swarm optimization，PSO）[9]和蚁群算法（ant colony optimization，ACO）[10]等。相比于GA 算法，PSO 算法在处理和实现上不存在重叠和突变现象，因此PSO 算法在求解云资源调度问题时比GA 算法速度快。……