一種移動云計算下任務調度算法的研究

陳暄

摘要：針對移動云計算中的任務調度效果低，消耗時間長等問題，提出了一種改進的果蠅算法和人工蜂群算法融合的算法（Improved Fruit Fly optimization algorithm- Artificial Bee Colony，簡稱IFOA-ABC算法）進行處理。首先，根據移動云任務調度特點，構建任務調度模型，其次，采用正交數組和量化技術對果蠅種群進行初始化，算法的邊界問題進行處理，探索步長進行動態調整，最后，使用人工蜂群算法對果蠅個體進行全局優化；仿真實驗中， IFOA-ABC算法相比其他智能算法在移動云任務調度的時間和能量消耗上對比中具有一定的優勢，說明算法能夠有效地提高云計算調度效率。

關鍵詞：移動云計算；任務調度；果蠅算法；人工蜂群算法

中圖分類號： 文獻標識碼：A

文章編號：1009-3044（2019）10-0218-03

開放科學（資源服務）標識碼（OSID）：

移動云計算下的任務調度是近年來研究的新的方向[1]，如何解決移動云計算下的任務調度出現的調度時間長，能量消耗大的問題成了當前學者研究的熱點。目前，國內從事移動云計算的文獻數量不多，選擇具有代表性的進行闡述，文獻[2]構建了一種新的任務調度的模型，并采用了基于模擬退火算法的任務調度方法進行了系統性的對比實驗，具有較好的調度效果；文獻[3]提出了一種任務聯合執行策略（Task Collaborative Execution Policy，TCEP），采用遺傳算法來處理優化問題，仿真驗證了所提策略及算法的性能。

本文在此研究的基礎上，提出以任務時間和能量消耗為主的調度模型，并采用基于果蠅算法和人工蜂群算法融合用于任務調度，仿真實驗說明該算法取得了較好的效果。

1 移動云計算下任務分配調度模型

移動云計算與一般的云計算的任務調度優化的目標不同，它主要最大限度地能夠實現任務的最少完成時間，較為充足的帶寬資源，較高的存儲容量和較低的能量消耗。在這些指標中任務所需要的完成時間是最重要的，其次是移動端的容量大小和資源帶寬，而移動云的能量消耗主要來自無線傳輸過程中的不穩定因素造成。因此，將文獻[2]中的移動云下的任務調度模型作為本文的任務調度模型。主要參數見表1所示。

從圖1、圖2中發現四種算法下的完成時間和能量消耗的對比效果，圖1中顯示了四種算法隨著任務數量不斷的增多而出現逐漸遞增的趨勢，從圖中的曲線來看，本文算法的波動是最小的，且消耗時間是最少的，這說明本文算法相比于其他三種算法具有一定的優勢；圖2中顯示了四種算法的能量消耗，從圖中發現由于移動云計算的任務調度的特點使得能量消耗波動比較大，因此4種算法的曲線都是呈現震蕩趨勢，當從整體上看，本文算法的波動是最小的，且整體過程平緩。從以上兩個圖說明本文算法中的局部優化改進是具有效果的，尤其是種群的初始化操作，使得種群最優解盡可能來自更大的解空間，提高了種群的多樣性；通過邊界處理使得果蠅個體溢出的可能性降低，有效地保護了種群；探索步長的改進使得探索的范圍得到了控制，有利于算法的穩定；通過人工蜂群算法的融合使得果蠅算法的具有更好的全局最優解。

4 結束語

根據移動云任務調度特點，構建了任務調度模型，通過對種群初始化，邊界問題處理，步長的調整以及果蠅個體的全局優化使得算法的性能得到了提高，仿真實驗表明本文算法相比其他智能算法在移動云任務調度的時間和能量消耗上對比中具有一定的優勢，說明算法能夠有效地提高云計算調度效率。

參考文獻：

[1] 崔勇，宋健，繆蔥蔥.移動云計算研究進展與趨勢[J].計算機學報，2017，40（2）：273-288.

[2] 胡海洋，劉潤華，胡華.移動云計算環境下任務調度的多目標優化方法[J].計算機研究與發展，2017，54（9）：1909-1919.

[3] 柳興，李建彬，楊震.移動云計算中的一種任務聯合執行策略[J].計算機學報，2017，40（2）：364-377.

【通聯編輯：朱寶貴】