题目：基于群体智能算法的云任务调度策略研究

随着IT行业的快速发展，信息科学技术已经进入大数据、数据挖掘、云计算的新时代。云计算是一种新型的以用户服务为中心的商业计算模式，运用虚拟化技术将分布于不同地理位置、不同功能的计算节点资源虚拟成庞大的虚拟资源池供用户使用。由于云计算涉及到虚拟化技术、并行运算、高效的数据通信和存储，且自身的状态也处于不断的变化中，因此，云计算任务调度策略已是实现云计算的关键所在。然而，目前的云任务调度算法只关注如何缩短任务的完工时间而忽略用户对实际服务质量(Quality of Service,QoS)的需求；只注重云任务的调度效率，而忽视云服务的资源利用率和经济效益。因此，针对现有云任务调度算法的不足开展调度策略研究对于提高云计算服务能力、拓宽云计算应用范围具有极其重要的意义。

本论文基于群智能优化算法，就云计算的用户QoS目标约束负载均衡问题和云计算的任务执行成本预算问题做了以下几个方面的工作：

（1）通过分析可信度应用于云计算任务调度策略，将可信度引入蚁群算法，并将虚拟机可信度引入蚂蚁的转移概率公式中，最终给出了基于可信度蚁群优化算法的云计算任务调度策略。

（2）鉴于云计算任务调度需满足用户服务质量(Quality of Service,QoS)和负载均衡要求，本文设计了一种面向独立任务并考虑时间及负载均衡的可信度蚁群算法来云计算任务调度策略。从云计算所服务的用户角度考虑，用户关注的是服务结果与执行成本，因此本论文又给出了面向工作流任务并考虑任务执行成本的改进粒子群优化算法云计算任务调度策略。

（3）应用CloudSim仿真环境进行了任务调度策略仿真实验。结果表明，基于CTLBACO的任务调度策略不仅提高了云计算任务的执行效率，且使系统负载相对均衡，提高了资源利用率。基于改进粒子群算法的云计算任务调度策略在缩短任务执行完工时间和降低任务执行成本方面拥有较大的优势。