基于聚类和改进共生演算法的云任务调度策略

针对云计算环境中一些基于服务质量(Quality of Service,QoS)调度算法存在寻优速度慢、调度成本与用户满意度不均衡的问题，提出了一种基于聚类和改进共生演算法的云任务调度策略。首先将任务和资源进行模糊聚类并对资源进行重排序放置，依据属性相似度对任务进行指导分配，减小对资源的选择范围；然后依据交叉和旋转学习机制改进共生演算法，提升算法的搜索能力；最后通过加权求和方式构造驱动模型，均衡调度代价与系统性能间关系。通过不同任务量的云任务调度仿真实验，表明本文算法相比改进遗传算法、混合粒子群遗传算法和离散共生演算法，有效减少了进化代数，降低了调度成本并提升了用户满意度，是一种可行有效的任务调度算法。