云计算中的多目标信任感知任务调度：基于鲸鱼优化算法的研究

"这篇研究论文探讨了一种基于鲸鱼优化算法的云计算多目标信任感知任务调度算法，旨在解决云计算环境中任务调度的挑战。该算法旨在最小化完成时间、降低能源消耗，同时考虑信任参数，如虚拟资源的可用性、任务成功率和周转效率，以提高服务质量并增强用户对云服务提供商的信任。" 云计算是现代信息技术的关键组成部分，它提供了一种灵活的资源分配方式，允许企业按需获取计算能力。然而，有效的任务调度是云计算面临的核心问题之一，因为无效的调度可能导致任务完成时间延长、能耗增加，甚至可能违反服务级别协议（SLA），从而降低服务质量并影响用户信任。 传统的调度算法往往只关注单一目标，如最小化完成时间或降低成本。然而，这篇论文提出了一种新的多目标方法，它引入了“信任感知”这一概念，这意味着调度决策不仅基于性能指标，还考虑了用户对云服务的信任。这种信任主要基于服务质量参数，如虚拟机的可用性、任务执行的成功率以及任务的周转效率。 论文采用鲸鱼优化算法（Whale Optimization Algorithm, WOA）来构建任务调度器。WOA是一种自然启发式算法，灵感来源于鲸鱼群体的捕食行为，具有良好的全局搜索能力和优化性能。通过在Cloudsim模拟环境中运行，该算法的性能被评估并与蚁群优化（ACO）、遗传算法（GA）和粒子群优化（PSO）等其他元启发式算法进行了比较。 实验结果显示，基于鲸鱼优化的调度算法显著改善了最大完成时间、能源消耗和总体运行时间。此外，它在信任参数上也表现出优越性，如提高可用性、成功率和周转效率。这些改进对于提升云服务的整体性能和用户满意度至关重要。 总而言之，这项研究为云计算环境中的任务调度提供了一种创新的多目标解决方案，强调了信任在调度决策中的重要性，并展示了鲸鱼优化算法在解决复杂调度问题上的潜力。这种方法有望促进更高效、节能且受用户信任的云计算服务的发展。