Earticle

현재 위치 Home

A Novel Approach to Task Scheduling using The PSO Algorithm based Probability Model in Cloud Computing

첫 페이지 보기
  • 발행기관
    보안공학연구지원센터(IJGDC) 바로가기
  • 간행물
    International Journal of Grid and Distributed Computing SCOPUS 바로가기
  • 통권
    Vol.9 No.11 (2016.11)바로가기
  • 페이지
    pp.409-422
  • 저자
    Li Ruizhi, Gao Jue, Gao Honghao, Bian Minjie, Xu Huahu
  • 언어
    한국어(KOR)
  • URL
    https://www.earticle.net/Article/A291332

※ 원문제공기관과의 협약기간이 종료되어 열람이 제한될 수 있습니다.

원문정보

초록

영어
With the development of cloud computing technology, people not only want to pursue the shortest time to complete the tasks by using cloud computing, but also hope to take into the running costs of machines. Existing task scheduling algorithm in the cloud computing environment has been unable to meet people's needs. As an extension and generalization of the model checking theory, probability model checking is also used in many fields, such as random distributed algorithm and other areas. The task scheduling algorithm based on the particle swarm optimization algorithm combined with probability model is proposed in this paper. The algorithm defines the fitness functions of the time cost and the running cost. The fitness functions can improve the efficiency of the cloud computing platform. At the same time, the probability model can be used to analyze the running states of machines and the computing capability of the nodes in the cloud cluster. The probability, which is calculated by the probability model, provides the basis for changing particle swarm algorithm’s the inertia factor and the learning factor, so as to solve the drawback that the inertia factor and the learning factor solely depend on the fixed value.

목차

Abstract
 1. Introduction
  1.1. The Present and Problems of Task Scheduling
  1.2. The Present and Problems of Particle Swarm Optimization Algorithm
 2. The Basic Idea of PSO Algorithm
  2.1. Inertial Factor
  2.2. Learning Factor
 3. Improvement of PSO Algorithm based on Probability Model
  3.1. Tasks Encoding
  3.2. Fitness Function
  3.3. Construction and Calculation of Probability Model
 4. Experimental Results and Examples
  4.1. Experiment and Analysis of the Algorithms
  4.2. The Example of the Cloud Rendering Project
 5. Conclusions
 References

키워드

Particle Swarm Optimization Algorithm Probability Model Inertia Factor Learning Factor Auto-correcting

저자

  • Li Ruizhi [ School of Computer Engineering and Science, Shanghai University, Shanghai, China ]
  • Gao Jue [ Computing Center, Shanghai University, Shanghai, China ]
  • Gao Honghao [ Computing Center, Shanghai University, Shanghai, China ]
  • Bian Minjie [ School of Computer Engineering and Science, Shanghai University, Shanghai, China ]
  • Xu Huahu [ Shanghai Shang Da Hai Run Information System Co., Ltd ]

참고문헌

자료제공 : 네이버학술정보

간행물 정보

발행기관

  • 발행기관명
    보안공학연구지원센터(IJGDC) [Science & Engineering Research Support Center, Republic of Korea(IJGDC)]
  • 설립연도
    2006
  • 분야
    공학>컴퓨터학
  • 소개
    1. 보안공학에 대한 각종 조사 및 연구 2. 보안공학에 대한 응용기술 연구 및 발표 3. 보안공학에 관한 각종 학술 발표회 및 전시회 개최 4. 보안공학 기술의 상호 협조 및 정보교환 5. 보안공학에 관한 표준화 사업 및 규격의 제정 6. 보안공학에 관한 산학연 협동의 증진 7. 국제적 학술 교류 및 기술 협력 8. 보안공학에 관한 논문지 발간 9. 기타 본 회 목적 달성에 필요한 사업

간행물

  • 간행물명
    International Journal of Grid and Distributed Computing
  • 간기
    격월간
  • pISSN
    2005-4262
  • 수록기간
    2008~2016
  • 십진분류
    KDC 505 DDC 605

이 권호 내 다른 논문 / International Journal of Grid and Distributed Computing Vol.9 No.11

    피인용수 : 0건 (자료제공 : 네이버학술정보)

    함께 이용한 논문 이 논문을 다운로드한 분들이 이용한 다른 논문입니다.

      출처 : 네이버학술정보

        0개의 논문이 장바구니에 담겼습니다.

        페이지 저장
        소속기관 조회
        이용자님의 소속기관(단체)이 서비스에 가입되어 있는지 확인해 보십시오.
        기관회원에 소속되어 있는 이용자는 원문을 무료로 이용할 수 있습니다.