蝗蟲(chóng)優(yōu)化算法是一種元啟發(fā)式優(yōu)化算法,能夠用于解決任務(wù)調(diào)度問(wèn)題。已有的改進(jìn)蝗蟲(chóng)優(yōu)化算法缺乏隨機(jī)性,跳出局部最優(yōu)的能力較弱,改進(jìn)效果不夠顯著。針對(duì)這一問(wèn)題,本文提出一種基于Levy飛行的改進(jìn)蝗蟲(chóng)優(yōu)化算法（LBGOA）。該算法引入基于Levy飛行的局部搜索機(jī)制增強(qiáng)算法的隨機(jī)性,并采用基于線(xiàn)性遞減參數(shù)的隨機(jī)跳出策略來(lái)提高算法跳出局部最優(yōu)的能力。CEC測(cè)試實(shí)驗(yàn)結(jié)果表明,所提出的算法擁有較強(qiáng)的搜索能力,在30個(gè)測(cè)試函數(shù)結(jié)果中能夠獲得17個(gè)最優(yōu)解和6個(gè)次優(yōu)解。將所提出的改進(jìn)算法應(yīng)用于邊緣計(jì)算中的任務(wù)調(diào)度問(wèn)題。任務(wù)調(diào)度仿真實(shí)驗(yàn)結(jié)果表明,所提出的算法能夠有效提高搜索效果,相比GOA、OBLGOA、WOA、ALO、DA和PSO算法,LBGOA的搜索效果分別提升7. 4%、7. 5%、4. 8%、27. 7%、29. 9%和20. 7%。 

【文章來(lái)源】：計(jì)算機(jī)與現(xiàn)代化. 2020,(01)

【文章頁(yè)數(shù)】：7 頁(yè)

【文章目錄】：
0 引言
1 蝗蟲(chóng)優(yōu)化算法
2 基于Levy飛行改進(jìn)蝗蟲(chóng)優(yōu)化算法
    2.1 基于Levy飛行的局部搜索機(jī)制
    2.2 基于線(xiàn)性遞減參數(shù)的隨機(jī)跳出策略
    2.3 基于Levy飛行的改進(jìn)蝗蟲(chóng)算法流程
3 實(shí)驗(yàn)結(jié)果及分析
    3.1 CEC測(cè)試實(shí)驗(yàn)設(shè)置
    3.2 實(shí)驗(yàn)結(jié)果
4 LBGOA應(yīng)用于任務(wù)調(diào)度問(wèn)題
    4.1 任務(wù)調(diào)度問(wèn)題描述
    4.2 任務(wù)調(diào)度問(wèn)題實(shí)驗(yàn)設(shè)置
5 結(jié)束語(yǔ)


【參考文獻(xiàn)】：
期刊論文
[1]基于并行化蟻群算法的網(wǎng)絡(luò)測(cè)量節(jié)點(diǎn)選取算法[J]. 郝航,金躍輝,楊談.  網(wǎng)絡(luò)新媒體技術(shù). 2018(01)
[2]一種面向網(wǎng)絡(luò)邊緣任務(wù)調(diào)度問(wèn)題的多方向粒子群優(yōu)化算法[J]. 喬楠楠,尤佳莉.  計(jì)算機(jī)應(yīng)用與軟件. 2017(04)
[3]AAFSA-RA:一種采用高級(jí)人工魚(yú)群算法的多資源分配方法[J]. 桓自強(qiáng),倪宏,胡琳琳,郭志川.  西安交通大學(xué)學(xué)報(bào). 2014(10)



本文編號(hào)：3613295