基于蝙蝠算法的云计算资源分配研究
物流云服务下基于改进蝙蝠算法的任务调度
优先出版 计 算 机 应 用 研 究 第32卷--------------------------------作者简介：张晓磊(1989-)，男，河北石家庄人，硕士研究生，主要研究方向为物流与供应链管理、生产系统仿真(E-mail ：1193643253@)；马从安(1962-)，男，安徽寿县人，副教授，博士，主要研究方向为物流与供应链管理，工业工程．物流云服务下基于改进蝙蝠算法的任务调度张晓磊，马从安，申 晨(中国矿业大学 矿业工程学院，江苏 徐州 221008)摘 要：物流调度对提高供应链的有效管理至关重要。
针对物流云服务模式中调度任务多、信息量大、需求广的特点，提出了一种改进蝙蝠算法求解物流云服务调度问题的方案，其优化目标为最小化调度时间和最大化资源利用率。
根据设计的算法流程，首先基于工件升序排列（ranked order value ，ROV ）规则对蝙蝠个体进行重新编码，接着调整初始化数据范围来减少分配任务超载和资源闲置现象，并在迭代过程中增加约束条件来均衡任务量，最终实现了资源与任务的智能调度。
通过和遗传、粒子群以及基本蝙蝠算法的对比分析，体现了改进算法的优越性。
最后利用Witness 对方案进行仿真，证明了改进蝙蝠算法在解决物流云服务任务调度中的有效性，同时扩展了蝙蝠算法的应用领域。
关键词：物流云调度；改进蝙蝠算法；均衡任务；智能匹配；仿真模拟；优越性 中图分类号：TP183；TP391.9 文献标志码：ATask scheduling based on improved bat algorithm under logistics cloud serviceZHANG Xiao-lei, MA Cong-an, SHEN Chen(School of Mines, China University of Mining & Technology, Xuzhou Jiangsu 221008, China)Abstract: Logistics scheduling is crucial to improve the efficiency of the supply chain management. Considering the characteristics of multi-tasks, large amount of information and wide demand, this article put forward a proposal based on improved bat algorithm (IBA) to minimize the scheduling time and maximize the resource utilization. According to the algorithm process, it recodes the bat individuals based on the rules of ROV , adjusts the range of initialized date to reduce the overloaded task assignment and resource idly as well as increases the constraint conditions during the iterative process. All those realize the intelligent scheduling of logistics task. The comparison with genetic algorithm (GA), particle swarm optimization (POS) and standard bat algorithm reflects the excellence of IBA. Finally the successful simulation through witness proves the effectiveness of IBA in task scheduling of logistic cloud service and extends the application field of IBA.Key Words: Logistics cloud scheduling; improved bat algorithm; equilibrated assignments; smart matching; witness simulation; excellence0 引言进入21世纪，客户的个性化需求越来越多样，不仅促使物流服务日新月异，更要求物流调度对市场变化具有较高的适应性和灵敏性，而物流调度的主要难点在于如何用最小的时间对需求不同、任务量大的物流服务进行快速合理的分配。
二进制蝙蝠算法
二进制蝙蝠算法
二进制蝙蝠算法是一种基于蝙蝠群体行为的启发式优化算法，其灵感来源于蝙蝠在捕食过程中利用超声波进行定位和捕获猎物的行为。
该算法利用蝙蝠在搜索过程中的特性，结合随机性和局部搜索，能够有效地解决复杂的优化问题。
二进制蝙蝠算法的基本思想是通过模拟蝙蝠的搜索过程来寻找最优解。
在算法的初始化阶段，随机生成一群蝙蝠个体，每个蝙蝠个体对应一个解。
然后根据设定的目标函数对每个蝙蝠进行评估，蝙蝠个体根据当前位置和速度更新自身位置，通过发射超声波来寻找最优解。
蝙蝠个体之间还可以通过一定的概率进行信息交流，以促进种群的多样性和收敛性。
在算法的搜索过程中，蝙蝠会随机地飞向新的位置，同时通过不断调整频率和脉冲率来探索潜在的最优解。
蝙蝠个体在每一代的更新过程中，会根据当前位置和速度来更新自身的位置，同时也会参考其他蝙蝠的位置信息，以便更快地找到最优解。
蝙蝠个体之间还会通过一定的概率进行信息交流，以促进群体的多样性和全局搜索能力。
二进制蝙蝠算法的优点在于具有较强的全局搜索能力和收敛速度快的特点，能够有效地应用于复杂的优化问题中。
算法的参数设置对算法的性能影响较大，需要根据具体的问题来进行调整。
同时，算法的收敛性和稳定性也需要进一步的研究和优化。
总的来说，二进制蝙蝠算法是一种有效的优化算法，可以应用于各种复杂的优化问题中。
通过模拟蝙蝠的搜索行为，算法能够在搜索空间中快速寻找到最优解，具有较高的搜索效率和精度。
在未来的研究中，可以进一步优化算法的性能，提高算法的稳定性和收敛速度，以更好地应用于实际问题中。
混合蝙蝠算法及其在调度管理中的应用研究
混合蝙蝠算法及其在调度管理中的应用研究混合蝙蝠算法及其在调度管理中的应用研究随着社会的发展和进步，调度管理成为了我们日常生活与工作中非常重要的一部分。
调度管理的核心任务是合理地安排各项工作、任务和资源的分配，以最大化效益。
而混合蝙蝠算法是一种新兴的算法技术，可以很好地用于调度管理，目前已经受到越来越多学者及相关领域的广泛关注。
混合蝙蝠算法是一种基于蝙蝠算法与混合算法的组合型算法。
它通过对蝙蝠算法的改进与提升，提高了算法的收敛速度与区别度，同时也提高了算法的全局搜索能力。
这种算法主要的设计思想是将多种算法的优点进行结合，使其能够形成更加优秀的解决方案。
相比于传统的调度管理算法，混合蝙蝠算法围绕资源优化、任务调度以及企业管理等方面，可以更加有效地实现多方面的调整管理问题。
具有更好的实用性和可操作性。
混合蝙蝠算法在调度管理中的应用主要集中在以下方面：1. 生产调度：在工业生产领域，混合蝙蝠算法可以应用于生产调度的方面。
首先需要将生产车间的工序按照先后顺序进行规划，然后将不同的机器分配到不同的工作站进行工作。
通过对生产资源、生产过程、工时等因素进行综合考量，进行最优的生产任务调配。
2. 作业调度：混合蝙蝠算法可以应用于多个作业的调度，比如物流、旅游、银行等各个领域。
在这些领域中，作业的数量、比较复杂，且需要满足一定的约束条件。
混合蝙蝠算法通过对不同作业的特点进行分析，对可行解进行精确计算，实现作业的最优调度。
3. 机器调度：在制造业和物流业中，机器调度是一项至关重要且基础的任务。
通过对各个工作站的工作需求进行分析，在不同的机器之间进行合理分配，使机器的使用达到最佳效益。
对于这种情况，混合蝙蝠算法可以通过建立完备的数学模型，解决大量机器间的调度问题。
4. 人员调度：除了机器调度，还需要考虑到人员的任务分配。
在实际调度管理中，任务的分配不仅仅要考虑到资源的合理利用，还需要考虑到人员的工作时间、特殊技能、偏好等因素。
蝙蝠算法研究及应用综述
一个解决方案，新的局部解使用随机游走方式生成。
xnew = xold + ε × At
（5）
其中，ε ∈ [−1，1]，是一个随机数，At 是整个群体在同一
代中的平均响度。
蝙蝠在寻找猎物的过程中，会根据距目标猎物的方
位不断调整发出声波的响度和频度，以提高捕食效率。
在逐渐靠近猎物的过程中，蝙蝠寻找猎物的空间范围也
如果以理想化的方式研究蝙蝠的回声定位特征，就
可以更方便地模拟蝙蝠算法。在模拟蝙蝠算法的过程
中，使用以下近似理想化的规则[3]：
（1）所有蝙蝠都使用回声定位感知距离。
（2）蝙蝠在位置 xi 随机飞行，并具有固定的频率 f ，同时根据其与目标猎物的接近程度自动调整波长和
脉冲响度来搜索猎物。
（3）脉冲响度变化方式多样，算法假设其从最大值
融合负载均衡和蝙蝠算法的云计算任务调度
2017 年第 1 期
doi ： 10.3969/j.issn.1671-1122.2017.01.004
技
术
研
究
融合负载均衡和蝙蝠算法的 云计算任务调度
王东亮 1,2，衣俊艳 3，李时慧 1，王洪新 4
（1. 国家行政学电子政务研究中心， 北京 100089 ； 2. 北京建筑大学资产与后勤管理处，北京 100044 ； 3. 北京建筑大学电气与信 息工程学院，北京 100044 ； 4. 中国图书进出口（集团）总公司数字发展中心， 北京 100020）
Task Scheduling of Cloud Computing Based on Fusion of Load Balancing and Bat Algorithm
WANG Dongliang1,2, YI Junyan3, LI Shihui1, WANG Hongxin4
(1. Electronic Government Research Center of Chinese Academy of Governance, Beijing 100089, China; 2. Asset and Logistics Management of Beijing University of Civil Engineering and Architecture, Beijing 100044, China; 3.College of Electrical and Information Engineering Beijing University of Civil Engineering and Architecture, Beijing 100044, China; 4. Digital Development Center of China National Publications Import and Export (Group) Corporation, Beijing 100020, China)
最新 蝙蝠算法在战备物资调运决策优化中的应用研究-精品
蝙蝠算法在战备物资调运决策优化中的应用研究引言战备物资是为了应对战争或突发事件而提前准备的作战物品，其目的是保障部队能够快速投入战斗并且持续保持战斗力。
战备物资主要包括枪支弹药、车船油料等作战军械以及伙食被服等生活保障品，对于空军而言，战备物资以航空器材为主。
近些年，随着我军现代化建设不断加速，部队的后勤保障工作日渐成为关注焦点。
面对现今动荡的国际环境以及周边局势，建立完备的战备保障系统已经成为重中之重。
单个需求点的战备物资调运是战备保障工作中的常见项目，而如何找到一种高效合理的调运方案，正是调运指挥人员所急需解决的问题。
目前关于战备物资的研究主要集中在储备结构与策略上，如文献[1-3],而对于战备物资的调运问题研究较少。
文献[4]采用终端进行物资转运控制，能够提高物资转运效率，但并未设计多目标多调运点条件下的优化问题；文献[5]建立了单个需求点的军械调运规划模型；文献[6]利用标准粒子群算法（PSO）对军械调运方案进行了优化。
然而，现有的解法不易运用在复杂的现实情况下，涉及供应点较多会出现内存溢出的情况，另外 PSO也具有易陷入局部最优的缺陷。
蝙蝠算法（BatAlgorithm）是剑桥大学学者 Yang[7]在 2010 年提出的一种基于蝙蝠回声定位行为的启发式算法。
该算法已经通过标准测试函数的测试[7-10],并应用于多种优化问题，尤其适用于处理包含约束的优化问题[8]以及多目标优化问题[9],其结果证明了蝙蝠算法相对于粒子群算法、遗传算法等其他仿真优化算法的优越性。
近年来蝙蝠算法在越来越多的领域展开了应用：李枝勇[11]使用蝙蝠算法解决了多目标多选择的背包问题；盛晓华[12]将蝙蝠算法应用在 PFSP 调度问题中，均取得了良好优化结果。
本文针对战备物资的调运问题进行了研究，建立了时间最短和损失度最低的多目标优化模型。
因为在多目标优化中，各目标属性往往彼此矛盾，基本上不可能同时达到最优，只能使各目标在一定范围内尽可能优化以获得最大的综合效益，这也是多目标优化的魅力所在。
融合均匀变异与高斯变异的蝙蝠优化算法
融合均匀变异与高斯变异的蝙蝠优化算法蝙蝠优化算法是一种基于生物学因素的群体智能算法，它主要基于蝙蝠的特征多样性，社会性和嗅觉能力来解决复杂的优化问题。
最近，为了改善蝙蝠优化算法的收敛度和全局搜索能力，对蝙蝠优化算法进行了变异操作。
其中，融合均匀变异和高斯变异的蝙蝠优化算法可以改善蝙蝠算法的搜索能力和可拓展性，并具有较高的稳定性和收敛性。
在均匀变异操作中，基因的变异概率相同，改变基因的程度也相同。
高斯变异采用一个正态分布来改变基因，其中高斯分布变异因子用来控制变异幅度。
融合均匀变异和高斯变异的蝙蝠优化算法，能够同时考虑基因的大小变异和变异程度，提高搜索能力和全局搜索能力，有助于更快的获得优化解。
蝙蝠算法的研究进展
蝙蝠算法的研究进展作者：程春英刘娜仁来源：《电脑知识与技术》2016年第24期摘要：蝙蝠算法（BA）是通过用搜索空间中的点模拟自然界中的蝙蝠个体，将搜索和优化过程模拟成蝙蝠个体搜索猎物和移动过程，将求解问题的目标函数度量成个体所处位置的优劣，在搜索和优化过程中用好的可行解取代较差的可行解的迭代过程的一种优化算法。
蝙蝠算法因具有较强的鲁棒性、高效性和应用性，已成功地应用于函数优化、工程设计、分类等多个方面。
本文首先给出了蝙蝠算法的原理及模型，然后列出了蝙蝠算法近几年来的改进研究，最后展望了蝙蝠算法的发展方向。
关键词：蝙蝠算法；回声定位；脉冲；改进中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2016）24-0187-02Abstract： Bat algorithm （BA） is by using the search space of some model bats in the nature， search and optimization of process simulation into bats individual search prey and moving process， measures to solve the problem of objective function into individual strengths and weaknesses of the location， in the search and optimization process with good poor feasible solution to replace the feasible solution of an optimization algorithm of iterative process.The bat algorithm for has stronger robustness， efficiency and applicability， has been successfully applied to functionoptimization， engineering design， classification， and many other aspects.This article first elaborated the bat algorithm basic principle and mathematical model， and then bat algorithm existing various kinds of improved algorithm is given， and the development direction of the bat algorithm are discussed.Key words： Bat Algorithm； Echolocation ；Impulse ；Improvement1 引言蝙蝠算法（Bat Algorithm，BA）是2012年杨教授提出的一种群智能优化算法[1]。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
优先出版 计 算 机 应 用 研 究 第32卷
--------------------------------
基金项目：国家自然科学基金项目资助项目(61170135)
作者简介：金伟健(1982-)，男，浙江义乌人，讲师，硕士研究生，主要研究方向为计算机网络安全、云计算；王春枝(1963-)，女，湖北武汉人，教授，博士，主要研究方向为计算机网络协同教育、计算机信息安全．
基于蝙蝠算法的云计算资源分配研究 *
金伟健1，王春枝2
(1．义乌工商职业技术学院 机电信息分院，浙江 义乌 322000；2．湖北工业大学 计算机学院，武汉 430068) 摘 要：由于云计算要面临庞大的资源分配并且具有动态性等特点，仅从单一方面来权衡资源分配策略的优劣已经不能再满足需求。
针对上述问题，从用户和资源提供者两个方面出发，将蝙蝠算法引入资源分配策略中，提出了以任务完成时间较短且成本最低为约束条件的调度模型。
最后通过CloudSim 平台进行模拟仿真表明，该资源分配算法能有效的兼顾完成时间和成本，在缩短任务完成时间的同时保证成本最小，提高了资源利用率。
关键词：云计算；资源调度；蝙蝠算法；CloudSim 平台 中图分类号：TP301.6 文献标志码：A
Study on bat algorithm in cloud computing resources allocation
JIN Wei-jian 1, WANG Chun-zhi 2
(1. School of Electro-Mechanical & Information Technology, Yiwu Industrial & Commercial College, Yiwu Zhejiang 322000,
China; 2. School of Computer Science, Hubei University of Technology, Wuhan Hubei 430068, China)
Abstract: Because cloud computing faces the characteristics such as massive resource allocation and dynamic, it no longer meets the demand of weighing the pros and cons from single aspect. From two aspects of users and resource providers to solve the above problems, proposed a scheduling model with constraint conditions of shorter task-completion time and lower cost. Brought the bat algorithm into resource allocation policy and modified its code design to improved the capacity of global optimization. Finally, the simulation results depending on CloudSim platform show that the resource allocation algorithm can effectively take account of completion time and cost. It improves resource utilization by shortening the time to complete the task while ensuring minimum cost, compared with particle swarm optimization algorithm. Key Words: cloud computing; resource scheduling; bat algorithm; cloudsim platform
0 0 引言
云计算作为一种新型商业计算模式，是分布式并行处理和网格计算等多种技术的拓展和延伸，代表了当前并行计算技术发展的新阶段[1]。
作为新兴产物，云计算涉及到的很多问题并没有真正解决，资源调度便是其中的一个难题。
资源调度作为云计算技术的一个重要组成部分，其效率直接影响整个云计算环境的工作性能[2]。
由于云计算环境下的任务调度是一个NP 完全问题，启发式智能算法在该领域研究是一个重要的方向之一。
文献[3]将改进的粒子群算法应用于云计算任务调度模型，引入动态多群体协作和变异粒子逆向飞向的思想来协调全局搜索和局部搜索，提高了资源的执行效率。
文献[4]提出一种基于多目标集成蚁群优化的资源分配模型，将熵的概念引入模型中，以度量云资源的不确定性。
文献[5]将传统遗传算法引入云计算任务调度模型，引入服务质量来改进适应度函数，但容易陷入局部最优等问题。
文献[6]将蝙蝠算法应用于生产调度问题，有效的解决了离散型生产任务调度问题。
文献[7]应用蝙蝠算法对
背包问题进行研究表明，与粒子群算法相比，蝙蝠算法在优化问题中表现更优越的性能。
本文根据云环境对于资源分配的要求出发，通过深入的研究蝙蝠算法，结合云环境下任务调度的实际特点，首先建立了以时间和成本为双约束条件的资源调度模型，然后将蝙蝠算法应用在调度模型中，结果表明蝙蝠算法能够更有效的解决云计算中的资源调度问题。
1 蝙蝠算法
蝙蝠算法[8]（Bat Algorithm ，BA ）是Xin-She Yang 受启发于蝙蝠的回声定位行为方式与优化目标功能的相关联性，于2010年提出的一种新型启发式优化算法，现已被诸多学者应用于各类优化间题。
与现在诸多优化算法类似，蝙蝠算法也是一种基于种群的随机优化算法，蝙蝠个体是蝙蝠算法的基本单元，在具体问题中赋以具体意义。
BA 算法的寻优过程是一个动态的演化过程，从开始无序的种群随机到搜索过程中不断的更新当前最优解（局部最优解）而逐渐有序以寻得全局最优解的动态
文章预览已结束
获取全文请访问
/article/02-2015-04-054.html。