基于改进GEP的局部云任务调度算法

　　针对云计算中一些现有的基于批量调度模式和进化算法的动态云任务调度算法计算量较大，计算时间成本较高的现象，提出了一种基于改进基因表达式编程（GEP）和资源改变量的局部云任务调度算法．首先结合云任务调度的特点对普通GEP算法做出了相应的改进，然后采用加杈求和的方式构造了一个基于综合利用率和能耗的适应度函数，最后依据物理机综合利用率的差异给出了基于改进GEP和资源改变量的局部云任务调度算法．基于资源改变量的局部云任务调度算法，通过对任务运行情况和物理资源使用情况进行监控，合理设定阈值，以减少参与调度物理机的个数，从而降低任务调度算法的时间成本．基于RH（rolling horizon）模型，通过实验将所提出的算法与普通遗传算法、全局GEP算法进行了比较，可知该算法不仅可以降低寻优时间，不易陷入局部最优解，且具有较快的收敛速度．