Task scheduling optimization in heterogeneous cloud computing environments: A hybrid GA-GWO approach

计算机科学 作业车间调度 云计算 CloudSim公司 调度(生产过程) 渡线 能源消耗 数学优化 分布式计算 遗传算法 公平份额计划 算法 服务质量 人工智能 嵌入式系统 机器学习 数学 操作系统 计算机网络 生态学 布线(电子设计自动化) 生物
作者
Ipsita Behera,Srichandan Sobhanayak
出处
期刊:Journal of Parallel and Distributed Computing [Elsevier]
卷期号:183: 104766-104766 被引量:36
标识
DOI:10.1016/j.jpdc.2023.104766
摘要

Cloud computing, a technology providing flexible and scalable computing resources, faces a critical challenge in task scheduling, directly impacting system performance and customer satisfaction. The task scheduling problem's NP-completeness makes finding solutions difficult. To address this, researchers propose a hybrid algorithm combining the Grey Wolf Optimization Algorithm (GWO) and the Genetic Algorithm (GA). The hybrid GWO-GA algorithm targets multi-objective task scheduling in cloud computing, aiming to minimize makespan, energy consumption, and cost. Enhancements to the proposed algorithm involve leveraging the genetic algorithm's crossover and mutation operator. Furthermore, the GA-based GWO algorithm's faster convergence in large scheduling problems presents an advantage. Evaluation using the Cloudsim toolkit demonstrates the proposed algorithm's efficiency compared to existing methods. We have used both synthetic and real world data set. The results are verified using the Analysis of Variance (ANOVA) statistical tool. Experimental results showcase its effectiveness in minimizing makespan, energy consumption, and computational cost. Particularly, the proposed algorithm outperforms traditional GWO, GA, and PSO algorithms in terms of makespan, cost, and energy consumption, achieving reductions of 19%, 21%, and 15%, respectively, when compared to each approach. Additionally, it yields energy savings of 17%, 19%, and 23% compared to GWO, GA, and PSO, respectively, while reducing total scheduling costs by 13%, 17%, and 22%. These findings demonstrate the efficacy of the proposed algorithm in addressing the task scheduling problem in cloud computing environments.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
刚刚
1秒前
英俊的铭应助guochang采纳,获得10
1秒前
好运来发布了新的文献求助10
1秒前
游you完成签到,获得积分10
3秒前
4秒前
小蘑菇应助QSY采纳,获得10
4秒前
缥缈的绿兰完成签到,获得积分10
4秒前
我是老大应助luxiaoyu采纳,获得10
5秒前
LWB发布了新的文献求助10
6秒前
孤独的狼发布了新的文献求助10
6秒前
6秒前
科研通AI2S应助王者归来采纳,获得10
7秒前
8秒前
10秒前
10秒前
12秒前
petiteblanche发布了新的文献求助10
12秒前
圈圈完成签到,获得积分10
12秒前
Hello应助jam采纳,获得10
13秒前
在郑州完成签到,获得积分10
13秒前
LWB完成签到,获得积分10
13秒前
yuzulsy发布了新的文献求助10
14秒前
周粥完成签到,获得积分10
15秒前
15秒前
超级忆灵发布了新的文献求助10
15秒前
18秒前
SciGPT应助petiteblanche采纳,获得10
18秒前
圈圈发布了新的文献求助10
18秒前
19秒前
19秒前
毓雅完成签到,获得积分10
20秒前
Charon发布了新的文献求助10
20秒前
文艺鞋垫完成签到,获得积分10
21秒前
情怀应助云栈出谷采纳,获得10
21秒前
超级忆灵完成签到,获得积分20
23秒前
23秒前
23秒前
小朱发布了新的文献求助30
24秒前
小蘑菇应助mmol采纳,获得30
24秒前
高分求助中
Sustainability in Tides Chemistry 2000
Bayesian Models of Cognition:Reverse Engineering the Mind 888
Essentials of thematic analysis 700
A Dissection Guide & Atlas to the Rabbit 600
Very-high-order BVD Schemes Using β-variable THINC Method 568
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 500
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3125565
求助须知:如何正确求助?哪些是违规求助? 2775869
关于积分的说明 7728200
捐赠科研通 2431356
什么是DOI,文献DOI怎么找? 1291928
科研通“疑难数据库(出版商)”最低求助积分说明 622278
版权声明 600376