基于多尺度量子谐振算法的任务调度

　　合理地分配虚拟计算资源以进行有效的任务调度是云计算中的一个核心问题。为了更好地利用虚拟计算资源，高效地完成服务需求，提出了一种基于多尺度量子谐振子算法（ MQHOA）的任务调度算法。首先，该算法将每一个调度方案当成一个采样位置，利用高斯采样的随机性在当前尺度下搜索局部最优解；其次，判断算法是否处于能级稳定状态，如果稳定，则进入能级降低过程，最坏的调度方案将被替换；最后，算法进入尺度下降的过程，算法由全局搜索过渡到局部搜索，迭代多次之后，算法停止并输出找到的最优结果。通过在CloudSim平台上进行仿真实验，与现有的先来先服务（ FCFS）算法和粒子群优化（PSO）算法对比，MQHOA总任务完成时间减少10%以上，负载不均值下降0.4以上。实验结果表明，基于MQHOA的任务调度算法能够快速收敛，有良好的全局收敛性和自适应能力，在云计算任务调度过程中，能够起到减少总任务完成时间和均衡负载的作用。