用粒子群算法解决任务调度

mi36931 2016-01-12 10:18:14

用粒子群算法解决静态任务调度任务的优先级调度前已经确定现在要解决的问题就是把任务分配到处理器上的问题不知道从哪入手怎么建起算法的框架哎求高人指导

...全文

1584 2 打赏收藏转发到动态举报

写回复

2 条回复

切换为时间正序

请发表友善的回复…

发表回复

mm_gu 2016-01-22

打赏
举报

回复

粒子群算法是模拟鸟群觅食的过程,采用速度- 位置模型进行搜索。每个优化问题的解都是搜索空间的一只鸟,称为粒子,粒子群中的每个粒子通过追随个体最优粒子和全局最优粒子进行搜索. 帮顶，求大牛分析~~

pww71 2016-01-22

打赏
举报

回复

http://blog.csdn.net/pww71/article/details/25113303

对云计算中任务调度算法进行简要归纳

云计算已成为处理大规模应用的主流模式，但在动态资源环境中，高效调度具复杂依赖关系的工作流任务并合理分配虚拟执行单元，仍面临严峻挑战。传统启发式算法在解决此类多目标优化问题时，往往难以兼顾收敛速度与解的多样性。针对这一问题，本文提出了一种基因改造多种群粒子群算法（GMPSO），以实现工作流调度中工期与能耗的协同优化。GMPSO通过基于适应度的子种群划分，结合遗传算法的全局搜索与粒子群优化的局部精细搜索，并设计了负载感知的初始化机制、差异化的多种群搜索策略以及自适应遗传扰动算子，从而显著提升搜索效率与解的质量。

粒子群算法求解经济调度优化问题完整的代码，方可运行；可提供运行操作视频！适合小白！

在云计算蓬勃发展的当下，云任务调度成为保障资源高效利用、降低运营成本的关键环节。以最低成本（涵盖单价成本、时间成本、运输成本）为目标函数，蚁群算法（ACO）、粒子群算法（PSO）和鲸鱼算法（WOA）凭借独特的优化机制，为云任务调度提供了有效的解决方案。本文将深入探讨这三种算法在云任务调度中的应用。二、蚁群算法（ACO）原理及云任务调度应用（一）算法原理蚁群算法模拟蚂蚁觅食过程中通过信息素传递路径信息的行为。蚂蚁在移动过程中会释放信息素，路径上的信息素浓度越高，后续蚂蚁选择该路径的概率就越大。

FusionInsight Univer

109

社区成员

14

社区内容

发帖

与我相关

我的任务

sqlserver大数据数据库技术论坛（原bbs）

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章