基于自适应交叉变异的飞蛾算法云计算任务调度策略

发布时间：2024-07-06 12:04

　　针对云计算资源调度效率低的问题,提出一种基于自适应交叉变异的飞蛾优化算法云资源调度策略.首先引入综合学习策略,对飞蛾种群进行初始化,提高全局搜索能力.其次在迭代过程中加入自适应交叉变异策略,加强粒子跳出局部最优的概率.最后建立云计算任务调度问题的数学模型,将改进后的飞蛾算法对模型进行求解,并将实验结果与其他优化策略的实验结果在时间花费和能源花费中进行对比,取得了较优的结果.

【文章页数】：6 页

【部分图文】：

图1四种算法完成时间对比图

从图2中可得，其他三种算法随任务量的增加，能耗花费曲线波动较大，说明其他三种算法在能量消耗上的稳定性不高，但ACMOA算法在迭代过程中，曲线波动较为平缓，说明ACMOA算法在能量消耗稳定性上远优于其他三种算法.此外，ACMOA算法的最大能耗仅为其他算法的50%～75%，说明ACM....

图2四种算法能量消耗对比图

图1四种算法完成时间对比图3.2大规模任务性能对比

图3四种算法完成时间对比图

从图3中可得，本文所提ACMOA算法的花费时间远远低于其他三种算法的花费时间，虽然随任务量的增加，四种算法的花费时间均有明显增加，但ACMOA算法受影响更小，曲线上升趋势更加平稳.因此ACMOA算法在处理时间花费的问题上，优化结果远优于其他三种算法，鲁棒性更强.图4四种算法能量....

图4四种算法能量消耗对比图

图3四种算法完成时间对比图图4为四种算法的能量消耗对比图，从图中可得，本文所提ACMOA算法的能量消耗最低，并且随任务量的增加，变化趋势不大，稳定性远优于其他三种算法，因此在求解大规模任务问题上，AC-MOA算法的整体性能仍然更优.

本文编号：4002526