提出了一種以云任務(wù)的完成時(shí)間和成本為優(yōu)化目標(biāo)的改進(jìn)烏鴉搜索算法(IMCSA)的任務(wù)調(diào)度方法.首先采用反向?qū)W習(xí)初始化種群,在選擇被跟蹤烏鴉時(shí)根據(jù)記憶的適應(yīng)度值擇優(yōu)選取,避免了盲目性;其次在位置更新過程中,將烏鴉的位置與其反向?qū)W習(xí)得到的位置進(jìn)行交叉,擇優(yōu)選取,能夠有效提高收斂速度.最后通過CloudSim平臺(tái)與粒子群算法、遺傳算法、Min_Min算法和CSA進(jìn)行對(duì)比,結(jié)果表明IMCSA在不同實(shí)驗(yàn)下,在任務(wù)完成時(shí)間和成本取得的效果均優(yōu)于對(duì)比算法.

【文章頁數(shù)】：5 頁

【部分圖文】：

圖1任務(wù)完成時(shí)間對(duì)比圖

從圖1可以看出,當(dāng)任務(wù)數(shù)較小的時(shí)候,5種算法的差異性相對(duì)來說較小,隨著任務(wù)數(shù)量的增多,CSA和IMCSA的任務(wù)執(zhí)行的完成時(shí)間明顯優(yōu)于PSO、GA、Min_Min算法,優(yōu)勢越來越明顯,IMCSA算法的任務(wù)完成時(shí)間也優(yōu)于原始CSA算法.五種算法的任務(wù)執(zhí)行成本中,Min_Min算法的任....

本文編號(hào)：4001002