基于改进天牛群算法的多目标云任务调度

针对云计算的任务调度算法中处理任务时间慢、资源利用率低等问题,提出了基于改进的天牛群算法的多目标优化任务调度算法。该算法通过对天牛群算法中的速度权重因子、步长进行自适应改进提高算法的搜索精度;通过增加骑兵反馈策略提高算法的跳出局部最优能力;利用对群体、个体学习因子适应性调整提高天牛的搜索效率;并且在任务属性中增加了用户偏好选择,使得优化目标更加贴合实际。实验结果表明,当云任务数量不变时,改进天牛群算法收敛速度和精度均优于对比算法;当云任务数量逐渐增加时,改进天牛群算法寻优效率远优于对比算法。本文提出的优化算法使云任务调度拥有更好的收敛速度、精度,能够有效降低任务完成时间、费用,提高资源负载均衡。