針對傳統(tǒng)的云計算任務調(diào)度算法存在效率低、利用率不高的問題,采用改進的果蠅算法(improved fruit fly optimization algorithm,IFOA)和遺傳算法(genetic algorithm,GA)融合的算法用于處理任務調(diào)度。首先,將任務調(diào)度轉換為DAG(directed acyclic graph,DAG)并通過Kruskal算法將任務調(diào)度順序進行化簡;其次,針對果蠅算法的種群采用正交數(shù)組和量化技術進行初始化,對果蠅算法邊界進行處理,對探索步長進行動態(tài)調(diào)整,并使用GA算法對個體選擇進行選擇處理;最后,將融合后生成的算法IFOA-GA用于仿真平臺中的云計算任務調(diào)度,相對于IGA、IFOA,IPSO算法在Qo S的四個指標對比中具有一定的優(yōu)勢,說明IFOA-GA算法能夠有效地提高云計算調(diào)度效率。

【文章頁數(shù)】：5 頁

【部分圖文】：

圖1DAG圖轉換成最小生成樹的處理過程

k=n=xi，k－xo，k‖xi－xo‖×|xLB，k－xo，k|?^xi，k=xi，k－xo，k‖xi－xo‖×|xLB，k－xo，k|+xo，k(18)通過上面的推理可以發(fā)現(xiàn)，超越上邊界的果蠅個體進行處理后，其位置能夠靠近上邊界;同理，當超越下邊界的果蠅個體處理后，其位置就會....

圖2越界處理輔助示意圖

k=n=xi，k－xo，k‖xi－xo‖×|xLB，k－xo，k|?^xi，k=xi，k－xo，k‖xi－xo‖×|xLB，k－xo，k|+xo，k(18)通過上面的推理可以發(fā)現(xiàn)，超越上邊界的果蠅個體進行處理后，其位置能夠靠近上邊界;同理，當超越下邊界的果蠅個體處理后，其位置就會....

本文編號：3936848