基于改進(jìn)GEP的局部云任務(wù)調(diào)度算法

　　針對云計算中一些現(xiàn)有的基于批量調(diào)度模式和進(jìn)化算法的動態(tài)云任務(wù)調(diào)度算法計算量較大，計算時間成本較高的現(xiàn)象，提出了一種基于改進(jìn)基因表達(dá)式編程（GEP）和資源改變量的局部云任務(wù)調(diào)度算法．首先結(jié)合云任務(wù)調(diào)度的特點(diǎn)對普通GEP算法做出了相應(yīng)的改進(jìn)，然后采用加杈求和的方式構(gòu)造了一個基于綜合利用率和能耗的適應(yīng)度函數(shù)，最后依據(jù)物理機(jī)綜合利用率的差異給出了基于改進(jìn)GEP和資源改變量的局部云任務(wù)調(diào)度算法．基于資源改變量的局部云任務(wù)調(diào)度算法，通過對任務(wù)運(yùn)行情況和物理資源使用情況進(jìn)行監(jiān)控，合理設(shè)定閾值，以減少參與調(diào)度物理機(jī)的個數(shù)，從而降低任務(wù)調(diào)度算法的時間成本．基于RH（rolling horizon）模型，通過實(shí)驗(yàn)將所提出的算法與普通遺傳算法、全局GEP算法進(jìn)行了比較，可知該算法不僅可以降低尋優(yōu)時間，不易陷入局部最優(yōu)解，且具有較快的收斂速度．