基于带极值扰动的相关性粒子群优化模型及其在云计算任务调度中应用
如何对云任务进行高效合理的调度是云计算需要解决的重要问题之一,针对云计算环境特点,基于基本粒子群优化算法(PSO),提出了一种带极值扰动的相关性粒子群优化模型(EDCPSO).该算法采用Copula函数去刻画随机因子间的相关结构,支持粒子合理地利用自身经验信息和群体共享信息; 采用添加极值扰动算子的策略,改进粒子群优化算法,避免进化后期容易陷入局部寻优现象.仿真实验结果表明,在相同条件下,该算法优于基本粒子群优化算法和Cloudsim原有调度算法,任务总完成时间明显减少.
云计算 任务调度 粒子群优化 极值扰动
谭文安 查安民 陈森博 王彤 孙勇
南京航空航天大学 计算机科学与技术学院,南京 210016;上海第二工业大学 计算机与信息学院,上海 201209 南京航空航天大学 计算机科学与技术学院,南京 210016 上海第二工业大学 计算机与信息学院,上海 201209
国内会议
第10届全国计算机支持的协同工作学术会议暨中国计算机学会协同计算专委年度工作会议
太原
中文
16-22
2015-08-28（万方平台首次上网日期，不代表论文的发表时间）