云计算多目标任务调度的优化粒子群算法研究

发布时间：2023-01-04 11:11

　　针对传统粒子群算法求解云计算多目标任务调度的收敛速度慢、精度低的缺陷,提出一种优化多目标任务调度粒子群算法（MOTS-PSO）。首先,引入非线性自适应惯性权重,改变粒子的寻优能力,避免算法陷入局部最优;其次引入花朵授粉算法概率更新机制,平衡粒子的全局搜索和局部寻优,并对粒子的全局搜索位置更新公式进行改进;最后引入萤火虫算法,产生"精英解"对局部搜索位置更新公式进行改进;同时利用"精英解"对粒子的位置进行扰动,跳出局部最优状态。实验表明,MOTS-PSO算法在收敛速度和收敛精度上,比PSO算法提高了27.1%、19.9%,比FA算法提高了22.09%、5.2%。进一步实验表明,MOTS-PSO算法在解决不同规模数量的任务调度时,比PSO、FA算法效果更优。 

【文章页数】：11 页

【部分图文】：

迭代对比

小规模任务调度总代价对比

小规模总执行时间和数据传输时间对比

【参考文献】：
期刊论文
[1]一种动态调整惯性权重的混合粒子群算法[J]. 胡堂清,张旭秀,曹晓月.  电光与控制. 2020(06)
[2]基于改进混合粒子群算法的云计算任务调度问题研究[J]. 杨晓光,张奇松,张益民,盛国军.  内蒙古大学学报(自然科学版). 2019(06)
[3]基于改进差分进化算法的云计算任务调度策略[J]. 林涛,王昊,李鹏.  传感器与微系统. 2019(09)
[4]自适应动态调整粒子群的云计算任务调度[J]. 侯欢欢.  计算机应用与软件. 2019(09)
[5]一种改进的自适应惯性权重的粒子群算法[J]. 张晓莉,王秦飞,冀汶莉.  微电子学与计算机. 2019(03)
[6]优化复杂函数的粒子群-鸽群混合优化算法[J]. 顾清华,孟倩倩.  计算机工程与应用. 2019(22)
[7]一种面向云环境虚拟机部署的粒子群优化策略[J]. 黄启成,陈羽中,江伟,刘耿耿.  小型微型计算机系统. 2018(07)
[8]基于改进的粒子群算法的云资源调度策略[J]. 蔡晓丽,钱诚.  微电子学与计算机. 2018(06)
[9]基于代价优化的云工作流调度改进PSO算法[J]. 郭文涛,卢少武.  计算机测量与控制. 2017(06)
[10]基于隔离小生境粒子群算法的APF优化配置[J]. 张国荣,陈夏冉,颜丽花.  电子测量与仪器学报. 2017(02)

硕士论文
[1]云计算环境下任务调度算法的研究[D]. 钟小康.江西理工大学 2018



本文编号：3727669