Cloud-scheduling

随着应用程序计算需求的快速增长，异构计算资源不断地增多，任务调度成为云计算领域中重要的研究问题。云计算提供了一个异构的环境来执行各种操作，对于任何应用程序，将异构任务高效地调度到异构处理器是获得高性能的关键。云环境下的任务调度是一个NP-Hard优化问题，研究者提出了各种启发式和元启发式技术来提供问题的次优解决方案。本文提出了一种基于天牛须搜索（BAS），并结合蚁群优化（ACO）和遗传算法（GA）的任务调度算法天牛群遗传优化（BCGO）来优化系统的最大完工时间和减少平均等待时间。设计的算法在CloudSim模拟器上实现并仿真。仿真结果与蚁群算法，Min-Min算法，Max-Min算法，轮询算法和随机算法进行了比较，得到了满意的结果。