基于改進人工蜂群算法的云資源調度策略

趙恪振

關鍵詞：云計算；人工蜂群算法；混沌因子；自適應k 鄰域；動態權重

中圖分類號：TP391 文獻標識碼：A 文章編號：1006-8228（2023）11-01-05

0 引言

由于云環境的復雜性和不確定性[1]，傳統的資源調度算法難以滿足應用需求，因此，許多學者使用了群智能優化算法（如遺傳算法[2]、粒子群算法[3]、鯨魚算法[4]和人工蜂群算法[5]等）來解決云資源調度中的難題。其中，人工蜂群算法具有很好的全局搜索能力和適應性，但其存在收斂速度慢、易陷入局部最優等缺點。對其缺點的改進如：申子明[6]通過混合差分進化和叢林法則改進人工蜂群算法，實現虛擬機在主機間的負載均衡；位可冰[7]通過動態地維護一組數量固定的精英解，提取其有益信息來改進采蜜蜂的搜索方程，加快了算法收斂速度；鄭洲等人[8]提出基于任務聚類的人工蜂群算法，提高了觀察蜂選擇優秀蜜源的概率并增強了搜索廣度；常小剛[9]通過動態調整種群的搜索步長，前期重搜索，后期重開發，實驗結果顯示有著不錯的收斂精度和速度。

本文針對人工蜂群算法在資源調度中的問題，提出一種基于自適應k 鄰域搜索的人工蜂群算法；首先，引入混沌因子增強種群的多樣性；其次，結合動態因子與自適應k 鄰域搜索策略，動態控制鄰域范圍，最后利用局部和全局最優解信息及動態權重，調整步長以避免陷入局部最優。