摘要：云计算是新的一种面向市场的商业计算模式，向用户按需提供服务，云计算的商业特性使其关注向用户提供服务的服务质量。任务调度和资源分配是云计算中两个关键的技术，所使用的虚拟化技术使得其资源分配和任务调度有别于以往的并行分布式计算。目前主要的调度算法是借鉴网格环境下的调度策略，研究基于 QoS 的调度算法，存在执行效率较低的问题。我们对云工作流任务层调度进行深入研究，分析由底层资源虚拟化形成的虚拟机的特性，结合工作流任务的各类QoS约束，提出了基于虚拟机分时特性的任务层ACS调度算法。经过试验，我们提出的算法相比于文献[1]中的算法在对于较多并行任务的执行上存在较大的优势，能够很好的利用虚拟的分时特性，优化任务到虚拟机的调度。 全文查看链接 　　群集智能作为一种新兴的求解问题的方案，在工程优化领域具有不可替代的作用，它对提高大规模优化问题的求解速度及优化精度具有非常重要的实际意义。蚁群算法作为群集智能的一种，在工作流调度上也有很好的应用。Ruay-Shiung Chang[9]等就提出了在网格中的平衡工作流调度的蚁群算法。Wei-Neng Chen[10]等提出了网格中工作流调度算法——蚁群优化算法，文中提出两种启发式信息——成本和执行时间。之后，又提出基于多种服务质量的要求的蚁群优化算法优化网格工作流任务调度[11]，将蚁群优化算法应用于优化云工作流的任务调度，结合云工作流的特点设置改进蚁群算法的各个参数模型。Zhangjun Wu[1]等提出面向市场云工作流的两层调度算法。在任务层就提出采用蚁群优化算法来生成任务层的调度策略。在任务层中的调度，由于分配到数据中心局部调度器的任务可能有上千个，那么匹配局部调度器管理的虚拟机上采用蚁群算法进行调度，结合云工作流的特点，设置合适的蚁群算法的参数算子，提高算法解决问题的整体能力。 全文查看链接 　　2 基于分时虚拟机的任务层ACS调度算法 全文查看链接 　　3.2.2 算法比较 全文查看链接