摘要(Abstract)：
为了改善云资源调度的性能，解决水波优化算法因水波衰减系数和碎波系数设置不当而导致精度降低的问题，提出人工蜂群-水波优化算法，采用人工蜂群算法对水波衰减系数和碎波系数进行参数寻优求解；在初始化任务实例生成的样本集和水波个体后，采用3个优化指标的加权和作为适应度函数，构建基于人工蜂群-水波优化算法的云资源调度模型，将最优求解问题转变为最优水波个体问题；通过不断更新最优适应度个体，提高云资源调度适用性，以达到最大迭代次数时所获得的最优云资源调度参数组合作为最优个体。结果表明：与常规水波优化算法相比，当任务数为600时，所提出算法的承载任务量分布更均匀，且负载均衡指标更小，仅为1.71;与基于其他智能优化算法的云资源调度模型相比，所建立模型所需执行时间最短，且稳定性更好。
关键词(KeyWords)： 云计算;资源调度;水波优化算法;人工蜂群算法;负载均衡
基金项目(Foundation): 国家自然科学基金项目(61871204);; 福建省科技厅引导性项目(2018H0028);; 湖南省教育厅科学研究项目(18A0295,20C0108);; 湖南省教育科学规划项目(ND210887)
作者(Author): 宋颖,梁卫芳,赵珏,张福泉,侯小毛
DOI: 10.13349/j.cnki.jdxbn.20230609.001
参考文献(References)：
[1] 徐飞，王少昌，杨卫霞.基于博弈论的云资源调度算法[J].计算机科学，2019,46(增刊1):295.
[2] 张露，尚艳玲.基于数据分区的云计算高维数据均衡分流[J].济南大学学报(自然科学版),2022,36(1):74.
[3] 孙力，叶得学.基于混合群智能优化算法的私有云资源调度方法[J].现代电子技术，2021,44(3):111.
[4] 郑春梅，朱海元.自适应差分进化改进云资源调度[J].机械设计与制造，2020(2):296.
[5] 王毅，神显豪，唐超尘，等.基于水波优化算法的无线传感器网络覆盖研究[J].南京理工大学学报(自然科学版),2021,45(6):680.
[6] KAUR A,KUMAR Y.A new metaheuristic algorithm based on water wave optimization for data clustering[J].Evolutionary Intelligence,2021,15:776.
[7] ZHU H Q,JIANG T H,WANG Y G,et al.Multi-objective discrete water wave optimization algorithm for solving the energy-saving job shop scheduling problem with variable processing speeds[J].Journal of Intelligent & Fuzzy Systems,2021,40(6):10623.
[8] IBRAHIM A M,TAWHID M A,WARD R K.A binary water wave optimization for feature selection[J].International Journal of Approximate Reasoning,2020,120:83.
[9] YAN Z P,ZHANG J Z,TANG J L.Modified water wave optimization algorithm for underwater multilevel thresholding image segmentation[J].Multimedia Tools and Applications,2020,79(43/44):32435.
[10] WANG H,WANG W J,XIAO S Y,et al.Improving artificial bee colony algorithm using a new neighborhood selection me-chanism[J].Information Sciences,2020,527:231.
[11] HANCER E.Artificial bee colony:theory,literature review,and application in image segmentation[M]//HEMANTH D,KUMAR B,MANAVALAN G.Recent Advances on Memetic Algorithms and Its Applications in Image Processing:Studies in Computational Intelligence,Vol.873.Singapore:Springer,2020:56.
[12] JACOB I J,DARNEY P E.Artificial bee colony optimization algorithm for enhancing routing in wireless networks[J].Journal of Artificial Intelligence and Capsule Networks,2021,3(1):62.
[13] ZHOU X Y,LU J X,HUANG J H,et al.Enhancing artificial bee colony algorithm with multi-elite guidance[J].Information Sciences,2021,543:249.
[14] 聂清彬，潘峰，吴嘉诚，等.基于改进蚁群算法的自适应云资源调度模型研究[J].激光与光电子学进展，2020,57(1):82.
[15] 张娟芝，段中兴，熊福力.一种自适应粒子群算法在云资源调度中的应用[J].计算机测量与控制，2020,28(12):217.
[16] 朱利华，朱玲玲.基于改进萤火虫算法的云计算任务调度策略[J].西南师范大学学报(自然科学版),2021,46(3):7.
