本文關(guān)鍵詞： 群智能算法 果蠅優(yōu)化算法 云工作流 任務(wù)調(diào)度　出處：《安徽大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：群智能算法作為一種啟發(fā)式隨機(jī)算法,一直以來備受研究者的青睞。該類算法適用范圍較廣,它不要求目標(biāo)對(duì)象具有特殊的結(jié)構(gòu),只需提供少量的信息就可以對(duì)目標(biāo)對(duì)象進(jìn)行求解,并且這類算法實(shí)現(xiàn)過程也比較簡單。本文研究的果蠅優(yōu)化算法(Fruit Fly Optimization Algorithm,FOA)也屬于群智能算法中的一種,它是基于對(duì)果蠅覓食行為的模擬而總結(jié)出的一種仿生類群智能算法。目前,雖然FOA算法的研究與應(yīng)用還處于起步階段,其理論研究的深度與應(yīng)用領(lǐng)域的廣度都不及其他群智能算法。盡管如此,FOA也依然取得了一些不錯(cuò)的成果,例如,在經(jīng)濟(jì)領(lǐng)域內(nèi)的企業(yè)績效評(píng)估、交通領(lǐng)域內(nèi)的道路規(guī)劃及科學(xué)理論的研究等。果蠅優(yōu)化算法的優(yōu)點(diǎn)較為突出,它結(jié)構(gòu)簡單、易于理解及編程實(shí)現(xiàn),并且全局尋優(yōu)能力強(qiáng)、收斂速度快,但是,FOA算法的局限性也同樣明顯。首先,果蠅算法在迭代過程中,果蠅在可行域內(nèi)的移動(dòng)距離與方向都是隨機(jī)的,造成算法的穩(wěn)定性較差、尋優(yōu)精度不高;其次,算法沒有很好的利用果蠅群的歷史信息,導(dǎo)致算法的效率較為低下,有較大的概率陷入局部極值點(diǎn)。因此,本文的一個(gè)重要研究內(nèi)容就是針對(duì)FOA算法的局限性,設(shè)計(jì)出一種性能更加優(yōu)越的果蠅優(yōu)化算法,并將這種改進(jìn)的果蠅優(yōu)化算法在云工作流任務(wù)調(diào)度中進(jìn)行了初步的應(yīng)用研究。隨著云計(jì)算產(chǎn)業(yè)的興起與蓬勃發(fā)展,作為云計(jì)算的核心——云工作流任務(wù)調(diào)度算法的研究也越來越重要。任務(wù)調(diào)度問題是一個(gè)經(jīng)典的NP-完全問題,智能算法一直是該研究領(lǐng)域的首選方案。其中,研究最多的智能算法為蟻群算法與粒子群算法,經(jīng)過多年的研究蟻群算法或者粒子群算法在理論方面趨于完善,其在性能方面提升的空間越來越小。因而,急需在調(diào)度算法方面進(jìn)行理論突破,或?qū)で笠环N新的算法來給調(diào)度策略提供其他的改進(jìn)思路。具體地說,本文的主要工作內(nèi)容總結(jié)如下:1、針對(duì)果蠅算法的穩(wěn)定性、尋優(yōu)精度及效率等問題,提出了基于群體協(xié)作與周期震蕩衰減策略的果蠅優(yōu)化算法。該改進(jìn)算法從三個(gè)方面對(duì)原果蠅算法進(jìn)行了理論上的改進(jìn):(1)采用群體協(xié)作方式,根據(jù)果蠅飛行能力的不同,將果蠅進(jìn)行分群,提高了種群的多樣性及算法的穩(wěn)定性;(2)改進(jìn)果蠅信息的更新策略,由最優(yōu)個(gè)體決定子代果蠅的搜索域,轉(zhuǎn)變?yōu)橛梢活愖顑?yōu)果蠅群決定子代的搜索域,這種方式提高了果蠅群的利用率;(3)采用具有周期震蕩遞減性質(zhì)的步長函數(shù)指導(dǎo)果蠅群的飛行,該函數(shù)使得果蠅既可以在全局域的搜索范圍更廣,又可以在局部域的搜索更加細(xì)化,提高了尋優(yōu)的精度。2、為了驗(yàn)證改進(jìn)果蠅算法的性能,本文選取了具有代表性的BenchMark函數(shù)作為測試用例,并將本文算法同其他群智能算法進(jìn)行性能比較,綜合地評(píng)價(jià)改進(jìn)算法的性能。3、將本文提出的改進(jìn)算法應(yīng)用到云工作流任務(wù)調(diào)度領(lǐng)域中,采用亞馬遜EC2計(jì)價(jià)模型,并將QoS約束中的成本、時(shí)間約束和用戶的個(gè)性化需求等多目標(biāo)優(yōu)化問題,轉(zhuǎn)變成一種新的、多角度反映調(diào)度策略優(yōu)劣的單目標(biāo)優(yōu)化問題。并通過對(duì)任務(wù)DAG圖進(jìn)行重新建模,使其能更好地適用于改進(jìn)的果蠅算法。
[Abstract]:As a heuristic stochastic algorithm , swarm intelligence algorithm has been favored by researchers all the time . ( 2 ) To improve the performance of fruit fly algorithm .

【學(xué)位授予單位】：安徽大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP18

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李學(xué)俊;徐佳;朱二周;張以文;;任務(wù)調(diào)度算法中新的自適應(yīng)慣性權(quán)重計(jì)算方法[J];計(jì)算機(jī)研究與發(fā)展;2016年09期

2 鐘偉民;牛進(jìn)偉;梁毅;孔祥東;錢鋒;;多策略果蠅優(yōu)化算法及其應(yīng)用[J];化工學(xué)報(bào);2015年12期

3 王凌;鄧瑾;王圣堯;;分布式車間調(diào)度優(yōu)化算法研究綜述[J];控制與決策;2016年01期

4 張前圖;房立清;趙玉龍;;具有Levy飛行特征的雙子群果蠅優(yōu)化算法[J];計(jì)算機(jī)應(yīng)用;2015年05期

5 寧桂英;周永權(quán);;基于差分進(jìn)化算法的收斂性分析[J];南通大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年03期

6 楊玉麗;彭新光;黃名選;邊婧;;基于離散粒子群優(yōu)化的云工作流調(diào)度[J];計(jì)算機(jī)應(yīng)用研究;2014年12期

7 鄭曉龍;王凌;王圣堯;;求解置換流水線調(diào)度問題的混合離散果蠅算法[J];控制理論與應(yīng)用;2014年02期

8 范良;趙國忱;蘇運(yùn)強(qiáng);;果蠅算法優(yōu)化的廣義回歸神經(jīng)網(wǎng)絡(luò)在變形監(jiān)測預(yù)報(bào)中的應(yīng)用[J];測繪通報(bào);2013年11期

9 韓俊英;劉成忠;;自適應(yīng)混沌果蠅優(yōu)化算法[J];計(jì)算機(jī)應(yīng)用;2013年05期

10 吳小文;李擎;;果蠅算法和5種群智能算法的尋優(yōu)性能研究[J];火力與指揮控制;2013年04期

，

本文編號(hào)：1501433