标签: 资源调度

本文对云计算中资源调度进行了深入的研究，针对云计算的资源调度模型，提出一种基于和声算法和蝙蝠算法调度算法。在该求解方法中，通过改进蝙蝠的位置的平均响度，来减小的迭代次数。这一改进能够提供易于调节的蝙蝠算法离散优化问题，提高算法的收敛速度，缩短算法的运行时间。实现了蝙蝠算法对优化问题的处理结果。通过仿真实验表明，该算法是一种云计算环境下有效的任务调度算法。

针对现有基于强化学习的云资源调度算法收敛速度慢的问题，在详细分析云作业执行流程后，采用了一种细粒度的云计算平台模型，设计了一种基于高斯过程回归和强化学习的云计算资源调度算法。算法将资源分配问题转换为在服务等级协议约束下的资源分配最小化问题，并通过高斯过程回归加速最优策略的生成。在CloudSim平台下进行了仿真，实验结果证明了本文算法在一定程度上加速了最优策略的收敛。