云计算中基于机器学习的调度研究综述

摘要

        在现代，云计算引起了人们极大的关注。它的各种性能，如使用简单，成本最低，以及大多数低功耗。许多算法和技术已经提出了调度虚拟机提供动态负载平衡、动态可伸缩性和重新分配资源。智能算法用于优化结果和最小化完工时间调度，同时利用基于动态环境的资源高效开发本文综述了各种智能调度算法，如遗传算法，模拟退火（SA），禁忌搜索（TS），蚁群算法（ACO），粒子群算法优化（PSO），人工免疫系统（AIS），细菌觅食算法（BF），鱼群优化算法（FS），猫群优化算法（cs），萤火虫算法（FF），布谷鸟搜索算法（cs），人工蜂群（ABC），蝙蝠算法（BA）。

1.简介

    云计算是一种大规模分布式计算范式，由不同层次的需求不断增长按使用付费的计算资源。这些服务几乎不像我们的电话服务，也就是说，我们只支付我们使用的金额（按使用付费）例如，我们家只需要一部电话，不必亲自设立整个交易所。电信服务提供者的工作是从他们的交换机提供服务，并且必须根据所使用的服务付费。类似地，用户将他们的计算任务从他们的设备提交给他们的云服务提供商，然后根据SLA（服务水平协议）与客户一起服务他们的请求。

    云计算允许通过因特网提供计算资源。云计算已经成为满足用户的计算需求的一个有利的技术。各种云服务提供服务，其成本是根据云中的资源使用情况计算的。传统的，组织的数据存储在组织内。当多个组织的数据在第三方外部组织的帮助下被存储在外部，并通过web访问。然后，这种服务被称为云服务。当客户机请求数据时，只有当他被授权，它才能访问数据。

    当资源需求需要更少的资源时，虚拟化技术是一种高效节能技术。它允许云一次被多个用户使用，因此支持按需交付。

      云计算提供基础设施服务，软件平台服务作为一种用户可以按需付费的模式。在传统的系统中，当用户需要一些软件或平台，他需要买它。临时用户的需求自然导致资源和金钱的浪费，但云提供了一个解决这个问题的办法，即按需求提供资源。用户请求的这种动态特性导致了云基础设施中的请求动态调度的问题，云计算服务由具有明确定义策略的云服务提供商处理。调度工作中采用了多种调度算法，在云环境下实现资源的整体优化，同时为用户提供高性能的应用接口。在本文中，分析了各种智能算法。

2.调度算法

       云调度过程的一个主要问题是时间和能量的最小消耗。应尽量减少总体任务调度的平均周转时间和平均成本，并优化任务调度，使用了优化技术。调度算法被分为两种类型。传统或经典的智能优化调度算法。如负载平衡，减少执行时间、响应时间和更多的参数。传统的调度算法，如FCFS、短作业优先、轮转、优先级等，在各种情况不推荐使用。由于经典的优化算法在求解大空间问题时的效率低下，元启发式和智能优化算法的发展趋势已经出现，它涉及到函数的全局优化问题。本文对遗传算法、模拟退火、禁忌搜索、蚁群优化、粒子群优化、人工免疫细菌觅食算法，鱼群优化算法，猫群优化算法，萤火虫算法，布谷鸟搜索算法，人工蜂群算法和蝙蝠算法等智能调度算法进行了综述。

3.文献调查

      由于可伸缩性、异构性和复杂性得到了重视，各种基于自然的计算技术被用来处理更高的复杂性和提高熟练程度。仿生计算是一种快速增长的通信和网络新模式。许多研究人员一直致力于使用生物系统的作用，并讨论了各种智能算法。

     3.1遗传算法

      遗传算法是一