云-雾环境下基于种群的优化算法用于工作流调度的比较评估
神经与进化计算
2020-12-15 v2 网络与互联网体系结构
摘要
本文对四种基于种群的优化算法在云-雾环境下的工作流调度进行了比较评估。这些算法如下：粒子群优化（PSO）、遗传算法（GA）、差分进化（DE）以及 GA-PSO。本文还提供了工作流调度问题加权求和目标函数的动机基础，并基于三个目标：完工时间（makespan）、成本和能耗构建了该函数。近期提出的 FogWorkflowSim 被用作仿真环境，上述目标作为性能度量。结果表明，GA-PSO 算法的混合组合表现略优于标准算法。未来工作将包括通过增加任务数量以及添加更多工作流来扩展所使用的工作流。还将考虑向加权目标函数添加更多目标。
引用
@article{arxiv.2012.00176,
title = {A Comparative Evaluation of Population-based Optimization Algorithms for Workflow Scheduling in Cloud-Fog Environments},
author = {Dineshan Subramoney and Clement N. Nyirenda},
journal= {arXiv preprint arXiv:2012.00176},
year = {2020}
}
备注
8 pages