摘要: 云计算利用成熟的虚拟化技术将资源集中起来形成一个共享、可动态配置的IT资源池，用户使用资源池中的资源时需要根据使用情况支付相应的费用。目前云环境下的任务调度模型和优化目标较为单一，同时在调度的过程不能够兼顾用户提交任务的服务质量QoS（... 展开 云计算利用成熟的虚拟化技术将资源集中起来形成一个共享、可动态配置的IT资源池，用户使用资源池中的资源时需要根据使用情况支付相应的费用。目前云环境下的任务调度模型和优化目标较为单一，同时在调度的过程不能够兼顾用户提交任务的服务质量QoS（Quality of Service）需求，有鉴于此，在云环境下从用户的角度出发，研究基于用户QoS需求的混合任务调度具有重要的意义。 本文考虑到任务模型的多样性提出了混合任务调度模型，并且在调度时不仅能够实现多个调度目标，还能够保证任务的QoS需求，主要的工作内容如下: (1)考虑到任务的多种形态以及用户在任务执行时会关注任务的服务质量，提出基于用户QoS需求的混合任务调度模型即兼有工作流和独立任务的模型。 (2)针对任务调度过程中调度时间过长，服务开销过多的问题，提出了改进的粒子群算法。通过对基本粒子群算法(Particle Swarm Optimization，PSO)的改进，改进的粒子群算法能够在搜索时控制搜索步长并且在每次迭代时都会筛选出优质的粒子，确保在任务调度时能够兼顾任务的调度时间以及调度所花的开销。 (3)将基本蚁群算法ACO(Ant Colony Optimization)和改进的粒子群算法结合提出改进的蚁群算法。通过改进的粒子群算法动态调整蚁群算法中的启发因子的组合，提高蚂蚁选择路径时的确定性并及时调整路径上的信息素，确保改进的蚁群算法在调度时能够满足用户的QoS需求。 (4)在云环境下的仿真模拟器CloudSim中对FIFO(First Input First Output)，遗传算法GA(Genetic Algorithm)，两种基本调度算法，两种改进后的算法进行调度仿真，比较两种调度算法在改进前和改进后的任务执行时间和执行开销，证明改进后的算法不仅能保证用户的QoS需求并且在调度性能方面也有所提升。 收起