摘要
分布式计算环境（如雾计算）正受到越来越多的关注，因为它们可以将数据处理和存储功能更靠近数据源，从而适应在网络边缘运行的现有和新兴应用日益增长的需求。在这些系统中，工作流调度构成了重大挑战，阻碍了其潜力的充分发挥。然而，工作流调度是一个NP难问题。尽管现有方法众多，但仍存在若干局限性，包括执行延迟高、调度性能次优以及可用计算资源利用效率低下。为应对这些挑战，本工作提出了一种用于工作流调度的新型混合元启发式机制，称为EHHO-GWO，旨在优化执行时间、货币成本和能源消耗。此外，所提出的方法与经典优化算法（即遗传算法（GA）和粒子群优化（PSO））以及其他近期元启发式方法进行了对比评估。本研究以FogWorkflowSim作为仿真框架，以一组科学工作流作为输入，评估了所提算法的有效性和效率，并展示了其在雾计算环境中的优越性能。实验结果通过Wilcoxon符号秩检验进行了统计验证，表明相较于知名的竞争调度算法，该方法具有一致的性能提升。
