基于改进人工蜂群算法的云资源调度策略

赵恪振

关键词：云计算；人工蜂群算法；混沌因子；自适应k 邻域；动态权重

中图分类号：TP391 文献标识码：A 文章编号：1006-8228（2023）11-01-05

0 引言

由于云环境的复杂性和不确定性[1]，传统的资源调度算法难以满足应用需求，因此，许多学者使用了群智能优化算法（如遗传算法[2]、粒子群算法[3]、鲸鱼算法[4]和人工蜂群算法[5]等）来解决云资源调度中的难题。其中，人工蜂群算法具有很好的全局搜索能力和適应性，但其存在收敛速度慢、易陷入局部最优等缺点。对其缺点的改进如：申子明[6]通过混合差分进化和丛林法则改进人工蜂群算法，实现虚拟机在主机间的负载均衡；位可冰[7]通过动态地维护一组数量固定的精英解，提取其有益信息来改进采蜜蜂的搜索方程，加快了算法收敛速度；郑洲等人[8]提出基于任务聚类的人工蜂群算法，提高了观察蜂选择优秀蜜源的概率并增强了搜索广度；常小刚[9]通过动态调整种群的搜索步长，前期重搜索，后期重开发，实验结果显示有着不错的收敛精度和速度。

本文针对人工蜂群算法在资源调度中的问题，提出一种基于自适应k 邻域搜索的人工蜂群算法；首先，引入混沌因子增强种群的多样性；其次，结合动态因子与自适应k 邻域搜索策略，动态控制邻域范围，最后利用局部和全局最优解信息及动态权重，调整步长以避免陷入局部最优。