云环境中基于分解的多目标工作流调度算法

　　云服务提供商在给用户提供海量虚拟资源的同时，也面临着一个现实的问题，即怎样调度这些资源，以最小的代价（完工时间、执行费用、资源利用率等）完成工作流的执行。针对IaaS环境下的工作流调度问题，以完工时间和执行费用作为目标，提出了一种基于分解的多目标工作流调度算法。该算法结合了基于列表的启发式算法和多目标进化算法的选择过程，采用一种分解方法，将多目标优化问题分解为一组单目标优化子问题，然后同时求解这些单目标子问题，使得调度过程更为简单有效。算法利用天马项目发布的现实世界中的工作流进行实验，结果表明，和MOHEFT算法以及NSGA-II*算法相比较，所提出的算法能得到更优的Pareto解集，同时具有更低的时间复杂度。