混合多云环境下多目标优化工作流调度方法OA

混合云融合了公有云弹性低成本与私有云安全可控的优势,逐渐成为工作流调度的主流平台。然而,当前混合云往往依赖单一公有云平台,存在供应商成本锁定、调度效率低等问题。针对此问题,提出了一种混合多云环境下的多目标优化工作流调度方法,利用混合多云优势来降低任务完成时间和租用成本,并保障数据隐私与安全。首先,综合考虑资源特性、任务依赖、数据加密等级和网络带宽竞争等因素,构建了面向混合多云环境的工作流调度模型;其次,基于麻雀搜索算法设计了一种多目标优化调度算法MOO-SSA,引入多工作流合并策略和自适应种群调整等策略,提高搜索精度和解集的多样性与稳定性;最后,在多个工作流数据集上对MOO-SSA和其他算法进行了对比实验,结果表明MOO-SSA能够有效平衡多个优化目标,在超体积和解集覆盖率等指标上表现优异。