资料下载
使用云计算任务调度的遗传粒子群优化算法的详细资料概述
分享资料个
云平台的任务调度算法是云计算领域研究的热点。如何在满足不陷入局部最优解的同时有更快的收敛速度，一直是研究者追求的目标之一。为此，本文提出将改进随机因子和惯性权重的增强型粒子群算法（EPSO）引入到遗传算法（GA）变异操作中的增强型遗传粒子群混合算法（GA_EPSO）。通过EPSO算法中的当前最优解和全局最优解重构变异算子，探索提升GA_EPSO算法在不陷入局部最优解的条件下，有更快的收敛速度。仿真实验表明，相同条件下，与遗传算法（GA），改进后的遗传算法（IGA），粒子群算法（PSO），增强型粒子群算法（EPSO）以及遗传粒子群算法（GA_PSO）相比，本文提出的改进算法不仅收敛速度快，而且任务调度效率也有明显提升。
云计算作为当今IT 界的热点技术，从产生便受到各领域学者的广泛关注，它拥有强大的处理能力，其中关键技术就是基于云计算任务调度算法的设计与应用。如何合理地分配和利用云环境中的资源、有效地调度用户提交的海量任务且保证云系统的负载均衡成为云计算研究的重点。探究在云计算环境中的优秀调度算法已成为专家学者们研究的重点内容之一。因此，具有简单、通用、鲁棒性强、适于并行处理等优点的智能算法很快成了云计算任务调度领域的研究热点，例如通过模拟自然界进化过程，从而得到最优解决方案的遗传算法（GA）、粒子群算法（PSO）以及蚁群算法（ACO）等等，以求解最小化任务完成时间和代价的最优解，但忽略了在进行任务调度时，智能优化算法本身缺点对调度工作的影响。基于此，本文将提出一种混合优化算法，算法的目标除了确保任务完成时间最小化，还将改善任务调度算法存在的缺点。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
- 相关下载
- 相关文章
