| 云计算多目标任务调度的优化粒子群算法研究 |
| |
| 引用本文： | 马学森,谈 杰,陈树友,储昭坤,石 雷.云计算多目标任务调度的优化粒子群算法研究[J].电子测量与仪器学报,2020,34(8):133-143. |
| |
| 作者姓名： | 马学森 谈 杰 陈树友 储昭坤 石 雷 |
| |
| 作者单位： | 1. 合肥工业大学，计算机与信息学院，2. 广东三水合肥工业大学研究院，3. 安全关键工业测控技术教育部工程研究中心;1. 合肥工业大学，计算机与信息学院，3. 安全关键工业测控技术教育部工程研究中心 |
| |
| 基金项目： | 广东省科技发展专项基金(2017A010101001)、中央高校基本科研业务费专项基金(PA2019GDKPK0079)、国家留学基金、安徽省教育厅高等学校省级质量工程项目(2017JYXM0055,2019MOOC020)资助 |
| |
| 摘 要： | 针对传统粒子群算法求解云计算多目标任务调度的收敛速度慢、精度低的缺陷,提出一种优化多目标任务调度粒子群
算法(MOTS-PSO)。 首先,引入非线性自适应惯性权重,改变粒子的寻优能力,避免算法陷入局部最优;其次引入花朵授粉算法
概率更新机制,平衡粒子的全局搜索和局部寻优,并对粒子的全局搜索位置更新公式进行改进;最后引入萤火虫算法,产生“精
英解”对局部搜索位置更新公式进行改进;同时利用“精英解”对粒子的位置进行扰动,跳出局部最优状态。 实验表明,MOTS-PSO 算法在收敛速度和收敛精度上,比 PSO 算法提高了 27. 1%、19. 9%,比 FA 算法提高了 22. 09%、5. 2%。 进一步实验表明,
MOTS-PSO 算法在解决不同规模数量的任务调度时,比 PSO、FA 算法效果更优。
|
| 关 键 词： | 多目标任务调度 粒子群优化 自适应惯性权重 全局搜索 局部寻优 位置扰动 |
Research on optimal particle swarm optimization for multi-objective task scheduling in cloud computing |
| |
| Ma Xuesen,Tan Jie,Chen Shuyou,Chu Zhaokun,Shi Lei.Research on optimal particle swarm optimization for multi-objective task scheduling in cloud computing[J].Journal of Electronic Measurement and Instrument,2020,34(8):133-143. |
| |
| Authors: | Ma Xuesen Tan Jie Chen Shuyou Chu Zhaokun Shi Lei |
| |
| Affiliation: | 1. School of Computer and Information, Hefei University of Technology,2. Research Institute of Sanshui & Hefei University of Technology in Guangdong,3. Engineering Research Center of Safety Critical Industiral Measurement and Control Technology,Ministy of Education;1. School of Computer and Information, Hefei University of Technology,3. Engineering Research Center of Safety Critical Industiral Measurement and Control Technology,Ministy of Education |
| |
| Abstract: | |
| |
| Keywords: | multi-objective task scheduling particle swarm optimization adaptive inertial weighting global search local optimization Elite solution |
|
| 点击此处可从《电子测量与仪器学报》浏览原始摘要信息 |
|
点击此处可从《电子测量与仪器学报》下载全文 |
|
