針對傳統(tǒng)粒子群算法求解云計算多目標任務(wù)調(diào)度的收斂速度慢、精度低的缺陷,提出一種優(yōu)化多目標任務(wù)調(diào)度粒子群算法（MOTS-PSO）。首先,引入非線性自適應(yīng)慣性權(quán)重,改變粒子的尋優(yōu)能力,避免算法陷入局部最優(yōu);其次引入花朵授粉算法概率更新機制,平衡粒子的全局搜索和局部尋優(yōu),并對粒子的全局搜索位置更新公式進行改進;最后引入螢火蟲算法,產(chǎn)生"精英解"對局部搜索位置更新公式進行改進;同時利用"精英解"對粒子的位置進行擾動,跳出局部最優(yōu)狀態(tài)。實驗表明,MOTS-PSO算法在收斂速度和收斂精度上,比PSO算法提高了27.1%、19.9%,比FA算法提高了22.09%、5.2%。進一步實驗表明,MOTS-PSO算法在解決不同規(guī)模數(shù)量的任務(wù)調(diào)度時,比PSO、FA算法效果更優(yōu)。 

【文章頁數(shù)】：11 頁

【部分圖文】：

迭代對比

小規(guī)模任務(wù)調(diào)度總代價對比

小規(guī)模總執(zhí)行時間和數(shù)據(jù)傳輸時間對比

【參考文獻】：
期刊論文
[1]一種動態(tài)調(diào)整慣性權(quán)重的混合粒子群算法[J]. 胡堂清,張旭秀,曹曉月.  電光與控制. 2020(06)
[2]基于改進混合粒子群算法的云計算任務(wù)調(diào)度問題研究[J]. 楊曉光,張奇松,張益民,盛國軍.  內(nèi)蒙古大學(xué)學(xué)報(自然科學(xué)版). 2019(06)
[3]基于改進差分進化算法的云計算任務(wù)調(diào)度策略[J]. 林濤,王昊,李鵬.  傳感器與微系統(tǒng). 2019(09)
[4]自適應(yīng)動態(tài)調(diào)整粒子群的云計算任務(wù)調(diào)度[J]. 侯歡歡.  計算機應(yīng)用與軟件. 2019(09)
[5]一種改進的自適應(yīng)慣性權(quán)重的粒子群算法[J]. 張曉莉,王秦飛,冀汶莉.  微電子學(xué)與計算機. 2019(03)
[6]優(yōu)化復(fù)雜函數(shù)的粒子群-鴿群混合優(yōu)化算法[J]. 顧清華,孟倩倩.  計算機工程與應(yīng)用. 2019(22)
[7]一種面向云環(huán)境虛擬機部署的粒子群優(yōu)化策略[J]. 黃啟成,陳羽中,江偉,劉耿耿.  小型微型計算機系統(tǒng). 2018(07)
[8]基于改進的粒子群算法的云資源調(diào)度策略[J]. 蔡曉麗,錢誠.  微電子學(xué)與計算機. 2018(06)
[9]基于代價優(yōu)化的云工作流調(diào)度改進PSO算法[J]. 郭文濤,盧少武.  計算機測量與控制. 2017(06)
[10]基于隔離小生境粒子群算法的APF優(yōu)化配置[J]. 張國榮,陳夏冉,顏麗花.  電子測量與儀器學(xué)報. 2017(02)

碩士論文
[1]云計算環(huán)境下任務(wù)調(diào)度算法的研究[D]. 鐘小康.江西理工大學(xué) 2018



本文編號：3727669