基于布谷鸟搜索的多处理器任务调度算法

多处理器系统在高性能计算中扮演着重要角色.为提高系统的并行性能,基于布谷鸟搜索算法,提出一种新的多处理器任务调度算法.该算法以全部任务的最晚完成时间最小为目标,利用基于任务优先权的编码方式使连续的布谷鸟搜索算法适用于离散的多处理器任务调度问题.实验结果表明,所提算法不仅求解质量高,而且求解速度最快,与目前广泛采用的遗传算法和粒子群算法相比其执行时间缩短超过60％.     

基于CUDA的并行布谷鸟搜索算法设计与实现

布谷鸟搜索（cuckoo search,CS）算法是近几年发展起来的智能元启发式算法,已经被成功应用于多种优化问题中。针对CS算法在求解大数据、大规模复杂问题时,计算时间过长的问题,提出了一种基于统一计算设备架构（compute unified device architecture,CUDA）的并行布谷鸟搜索算法。该算法的并行实现采用任务并行与数据并行相结合的方式,利用图形处理器（graphic processing unit,GPU）线程块与线程分别映射布谷鸟个体与个体的每一维数据,并行实现CS算法中的鸟巢位置更新、个体适应度评估、鸟巢重建、寻找最优个体操作。整个CS算法的寻优迭代过程完全通过GPU实现,降低了算法计算过程中CPU与GPU的通信开销。对4个经典基准测试函数进行了仿真实验,结果表明,相比标准CS算法,基于CUDA架构的并行CS算法在求解收敛性一致的前提下,在求解速度上获得了高达110倍的计算加速比。     

一种求解资源受限项目调度问题的差分进化-布谷鸟搜索算法

提出一种新颖的求解资源受限项目调度问题的差分进化-布谷鸟搜索(DE-CS)算法。DE-CS算法以全局搜索能力强的布谷鸟搜索算法为总框架,通过嵌入具有记忆搜索功能的差分进化算法,结合不同的个体更新操作,增加种群的多样性以改善算法收敛性。采用任务优先级编码和串行进度生成机制来求解PSPLIB问题库中J30、J60、J120的全部480、480和600个问题,以验证算法的有效性,并与多种算法调度结果进行对比。数值试验和算法比较验证了DE-CS算法求解RCPSP问题的有效性。     

求解资源受限项目调度问题的改进布谷鸟搜索算法

针对资源受限项目调度问题（RCPSP）,提出一种基于改进布谷鸟搜索（ICS）算法的高效求解方法.ICS算法设计如下：在解空间表示方面提出一种适应莱维飞行特点的任务调度顺序优先级编码方案,并采用串行调度求解该问题;为提高算法收敛速度、避免陷入局部最优解,对CS的局部搜索机制进行改进,即引入对精英个体的局部搜索策略及对首领的寿命衰老机制.最后,通过PSPLIB基准测试问题J30、J60和J90对算法性能进行测试,并与CPLEX优化结果及参考值进行比较,结果表明ICS算法较CS算法收敛更快、结果更优,调度结果理想.