基于蛙跳算法的零空闲流水线调度问题优化
基于蛙跳算法的零空闲流水线调度问题优化
基于蛙跳算法的零空闲流水线调度问题优化
王亚敏;潘全科;冀俊忠;包云
【期刊名称】《计算机工程与应用》
【年(卷),期】2010(046)017
【摘要】针对零空闲流水线调度问题,以E/T指标最优为优化测度,提出了一种蛙跳求解算法.首先,该算法采用新的个体产生方法,扩展传统蛙跳算法的求解模型.其次,使用带有启发式策略的种群初始化方法优化初始解性能.再次,借助基于种群多样性的方法进行排序和分组,并通过部分随机初始化策略保持种群多样性.最后,结合一种简单而有效的邻域搜索算法,达到局部探索和全局搜索之间的平衡,进而提高收敛速度.在若干benchmark问题上的仿真实验表明了所提算法的有效性.
【总页数】5页(P52-56)
【作者】王亚敏;潘全科;冀俊忠;包云
【作者单位】聊城大学,计算机学院,山东,聊城,252059;聊城大学,计算机学院,山东,聊城,252059;北京工业大学,多媒体与智能软件技术北京市重点实验室,北
京,100234;聊城大学,计算机学院,山东,聊城,252059
【正文语种】中文
【中图分类】TP181
【相关文献】
1.基于离散蛙跳算法的零空闲流水线调度问题求解 [J], 王亚敏;冀俊忠;潘全科
2.改进细菌觅食算法解决零空闲流水线调度问题 [J], 李丽娟;吴晓;王志龙
3.求解零空闲流水线调度问题的改进蚁群算法 [J], 张风荣;段俊华;庞荣波;韩红燕
4.改进布谷鸟搜索算法求解零空闲流水线调度问题 [J], 彭勇; 郑慧君
5.改进布谷鸟搜索算法求解零空闲流水线调度问题 [J], 彭勇; 郑慧君
因版权原因，仅展示原文概要，查看原文内容请购买。
基于改进蛙跳算法的云计算资源调度
基于改进蛙跳算法的云计算资源调度
李廷顺;李铁钰
【期刊名称】《计算机应用与软件》
【年(卷),期】2015(032)012
【摘要】资源合理调度是云计算研究热点.为了提高云计算资源的调度效率,提出一种改进蛙跳算法的云计算资源调度方法.首先对云资源调度问题进行分析,建立云资源调度的目标函数,然后采用蛙跳算法对云资源调度问题进行寻优,并将对蛙跳算法进行改进,加快搜索速度,以提高算法学习能力.实验结果表明,相对于其他云计算资源调度方法,该方法可以更快找到最优云计算资源调度方案,使云计算资源负载更加均衡,提高云计算资源的利用率.
【总页数】4页(P274-277)
【作者】李廷顺;李铁钰
【作者单位】华北电力大学控制与计算机学院北京102206;南京理工大学江苏南京210094
【正文语种】中文
【中图分类】TP391
【相关文献】
1.基于蚁群优化-蛙跳算法的云计算资源调度算法 [J], 陈暄;徐见炜;龙丹
2.改进混合蛙跳算法的云计算资源调度 [J], 张沫
3.云计算环境中基于分布估计蛙跳算法的资源调度 [J], 宁菲菲;王建玺
4.混合蛙跳算法在云计算资源调度的策略改进 [J], 王冠宇;王庆生;赵腾
5.基于蚁群算法和蛙跳算法的云计算资源调度算法 [J], 郭琪瑶;朱范德
因版权原因，仅展示原文概要，查看原文内容请购买。
云计算环境中基于分布估计蛙跳算法的资源调度
院 （ Ｎ Ｉ Ｓ Ｔ ）的定义 ：云计 算是一种通 过互联 网以按需 的方
式 随 时 随 地 对 一 个 可 配 置 的共 享 资 源 池 （ 包 括 计 算 设 施 、存
ｔ ｉ ｍ ｅ （ ） ＝ 畸 一 ‘ （ ∑Ｗ （ ｋ ， ｃ ） ）
＝
１
（ １ ）
储设备 、应用和服务等 ）进行 访问的服务模式 ］ 。资源调度
任 务 完 成 时 间和 成 本 。
ｒ ｃ ｉ 的计 算 队列 中所 处 的位 置 ；
（ ｋ ， ｎ ， ｒ ｃ ｊ 则 表 示 虚 拟 机 资源
ｒ ｃ ； 按照其计算 队列中子任务 的排 序依次执行各子任 务直至 完成任务 ｍ 的第 ｎ个子任务为止所用的时问 。
（ ４ ）用 Ｅ Ｔ Ｃ （ ｉ ， ｒ ｃ ｊ ） 表 示 第 ｉ个 子 任 务 在 虚 拟 机 资 源 ｒ ｃ ．
避 免 陷 入局 部 最优 ， 而 且 较好 地 提 升 了全局 收 敛 性 能 。
关键词 ：云计算；资源调度；蛙跳算法 ；分布估计算 法；基 于群体 的增 量学习算法 中图 分 类 号 ：Ｔ Ｐ １ ８ １ 文 献 标 志 码 ：Ａ
０ 引言
近年来 ，随着 互联网规模的不断扩大和 电子商务 、在线 视频等新型互联 网应用 的迅猛发展 ，海量的数据存储 、业务
ｐｏ ｓ
算资源 的利用率 、用户满意度 以及 企业 的运 营成 本。 由于云计算环境下 的资源调度是一个 ＮＰ完全 问题 ，因
此， 许多学者提 出了大量 的基于 启发 式智 能算法 的云资源 调
度策略 。例 如，刘卫 宁等【 ２ ］ 提 出了基 于改进二进制 编码 的量 子遗传算法 的云资源调度策略 ， 使其适用于实数编码 并有效 避 免 了在 量 子 编 码 的空 间 内 陷入 局 部最 优 。左 利 云 ［ ３ 】 等 提 出 了基于 多 目标集 成蚁 群优化算法 ，用于解 决资源 调度 问题 。 刘万 军『 ４ 】 等 提 出 了 一 种 基 于 粒 子 群 优 化 算 法 的 云 资 源 调 度 策略 ，尽量避免资源调度过程中负载失衡 问题的产生 。金伟 健【 ５ ］ 等提 出了基于蝙蝠算法 的云 资源分配策略 ，以有效 兼顾
基于混合蛙跳算法的WSN路由优化算法
中 图分 类 号
无线传感 器 网络
Ｔ ３１ Ｐ ０
路 由优化
文 献标 识 码
蛙跳算法 多路径
Ａ
全局优化
ＡＮ ＴＩ Ｉ ｏＰ Ｍ ＺＥＤ Ｓ ＲｏＵＴＩ Ｗ Ｎ ＮＧ ＡＬＧｏＲＩ ＴＨＭ ＡＳ Ｂ ＥＤ ｏＮ
ＭＩ ＸＥＤ ＬＥＡＰＦＲｏＧ ＡＬＧｏＲＩ ＴＨＭ
Ｋｅ ｗ ｒ ｓ ｙ ｏｄ
Ｗｉ ｌ ｓ ｅｓｒ ｅｗ ｒ ＷＳ Ｒ ｕｅｏｔ ｉ ｔ ｎ ｅｐ ｏ ｌ ｒｈ Ｍｕｔｐｔ Ｇｏａ ｏｔ ｉ ｔｎ ｒ ｅ ｎｏ ｔｏｋ（ Ｎ） ｏｔ ｐｉ ｚ ｉ Ｌ ａｆ ｇａｇｉ ｍ ｅｓｓ ｎ ｍ ａｏ ｒ ｏｔ ｌ—ａ ｌｂｌ ｐｉ ｚ ｉ ｉ ｈ ｍ ａｏ
Ａｂ ｔ ａ ｔ ｓｒ ｃ Ｔ ｒｕ ｈ ｔｅ ｓｕ ｙ ｏ Ｓ ｏ ｏｏ ｙ ｓｒ ｃ ｕ ｅ ａ ｄ ｌ ａ ｆ ｇ ａｇ ｒｔ ｍ， ｃ ｎ ｉ ｅ ｉ ｇ ｔ ｅ ｓ ｏ ｔ ｌ ｅ ｃ ｃｅ ｐ ｏ ｌｍ ｆ ｅ ｅ ｇ ｈ ｏ ｇ ｈ ｔ ｄ ｎ Ｗ Ｎ ｔｐ ｌｇ ｔ ｔ ｒ ｎ ｅ ｐｒ ｌ ｏｉ ｕ ｏ ｈ ｏ ｓｄ ｒ ｈ ｈ ｒ ｉ ｙ ｌ ｒｂ ｅ ｏ ｎ ｒ ｙ ｎ ｆ
研究 工作 者们 提出了许多的 路 由算 法 ， 比如 Ｓ Ｉ （ 于 ＰＮ 基
周立朋 卡米力 ・ 木衣丁 何 迪 陈 琛
（ 新疆大学信息科学与工程学院 新疆 乌鲁木齐 ８０ ４ ３０ ６）
摘
要
通过 对无线传感器 网络的拓 扑结构和蛙跳算法的研 究， 针对能量受 限的无线传感器 网络生命周期较短的 问题 ， 出一种 提
基 于混合蛙 跳算法的 ＷＳ （ ｒｌ ｓ ｅ ｓｒ ｅ ｏｋ 路由优 化算法。该 算法在 生成青 蛙 时， Ｎ Ｗｉ ｅ ｎｏ ｔ ｒ ） ｅｓＳ Ｎｗ 考虑 了节点 的剩 余能量 ， 在局部 优 化过 程 中采 用选 择替 换和变异两种方法 ， 在全局优化 中引入 了多路径路 由思想 ， 并且充 分利 用 了基站的信 息资源和强大功能。仿 真结果 表 明， 该优化机制有效延长 了 ＷＳ Ｎ的生命周期 ， 改善 了网络性能 。
云计算环境中基于混合蛙跳算法的资源调度
（ ９） ６ ． ２ ２ ： ７７ ．
Ａｂｔａ ｔ Ｔ ｅｒｓｕｃ ｃ ｅｕｉｇｓｈ ｍｅｆｒ ｌｕ ｏ ｕｉｇｅ ｖｒｎ ｎ，ｈ ｔ ｒｖｄ ｓＱｏ Ｑｕ ｌｙｏ ｅ－ ｓ ｃ ： ｈ ｅｏ ｒｅｓｈ ｄ ｌ ｃ ｅ ｏ ｏ ｄ ｃｍｐ ｔ ｎ ｉ ｍｅｔ ｔａ ｐｏ ｉｅ Ｓ（ ａ ｔ ｆ ｒ ｒ ｎ ｃ ｎ ｏ ｉ Ｓ
ｃ ｄｎ ｔ ｃ ｒｓｆｒＳ Ｌ ａｅｉｔ ｄ ｃ ｄｉ ｃ ｏｄ ｎ ｅｗｉ ｈ ｈ ｒｃ ｒ ｏ ｓｓａ ｄｒｓｕｃ ｓ ｔｅＱ Ｓｏ ｏ ｉｇ ｓ ｕ ｔ ｅ Ｆ Ａ ｒ ｎｒ ｕ ｅ ｎａ ｃ ｒａｃ ｔ ｔｅｃ ａａｔ ｓ ｆｔ ｋ ｎ ｅｏ ｒｅ，ｈ ｏ ｆ ｒ ｕ ｏ ｏ ｈ ｅ ａ ｓｈ ｄ ｌ ｇｓｈｍｅｉ ｄ ｆ ｅ ， ｎ ｅｉ ｒｖ ｄＳ Ｌ ｂ ｓｄｏ ｅＱ Ｓｓｌ ｔ ｎ ｉｅ ｉ ｉ ． ｈ ｘ ｅｉ ｃ ｅｕｉ ｃ ｅ ｅ ｎ ｄ ａ ｄｔ ｎ ｓ ｉ ｈ ｍｐｏ ｅ Ｆ Ａ ａｅ ｎｔ ｏ ｅｅ ｉ ｓｉ ｇｖ ｎｉ ｄｔ ｌ Ｔ ｅｅｐ ｒ ｈ ｃｏ ｓ ｎ ａｓ —
使得企业能够将资源切换到需要的应用上 ， 根据需 求 访 问计 算机 和 存 储 系统 。云 中 的任 务数 量是 巨大 的， 系统 每时每刻 都要处理海量 的任务 ； 另一方面 ， 网络的异构性使 每个计算资源充满不 确定性 ， 如何 保证每个 计算任 务的服 务质量 （ ｕｌ ｆＳｒｉ ， Ｑ ａｔ ｏ ｅ ｃ ｉ ｙ ｖｅ Ｑ Ｓ 是需要考虑的重要问题 ， ｏ） 同时 ， 云计算的商业特 征要求系统具有给不同用户提供不同满意度服 务的
ｃ ０ ｌ
ｇ Ｐ魄｝ ， Ｐ， 口ｚ
， ａ Ｄ ｚ ｆ ，计算机工程与应用 剑平 ， 李 霞， 陈泯 融
ＬＵＯ ｉｎ ｉ ， ａ ＣＨＥＮ ｉ ｒ ｎ Ｊａ ｐ ｎｇ ＬＩＸｉ ， Ｍ ｎｏ ｇ
改进蛙跳算法的 LQR 控制器的优化设计
改进蛙跳算法的 LQR 控制器的优化设计彭勇;陈俞强【期刊名称】《智能系统学报》【年(卷),期】2014(000)004【摘要】Based on the inverted pendulum system which is multi-variable , nonlinear and strong coupling , a mathe-matical model of the inverted pendulum is established by utilizing the Newton -Euler method , and then the LQR con-trol is implemented for the model .The weighted matrices Q and R have a direct impact on the dynamic response and control of the single inverted pendulum .During optimization of the matrices Q and R through use of the standard shuf-fled frog-leaping algorithm , the new worst frog jumping strategy can effectively improve the global search ability of the algorithm and the adaptive jump factor can speed up the convergence .The simulation experiment shows that the im-proved shuffled frog-leaping algorithm can effectively obtain the optimal weight matrices Q and R; as a result , the effect of the LQR controller meets the performance requirements of the single inverted pendulum .%针对多变量、非线性、强耦合性的倒立摆系统，运用牛顿-欧拉方法建立了倒立摆的数学模型，然后对该模型分别进行LQR控制。
改进的混合蛙跳算法及其多目标优化的应用研究
改进的混合蛙跳算法及其多目标优化的应用研究改进的混合蛙跳算法及其多目标优化的应用研究摘要：蛙跳算法（Frog Leap Algorithm, FLA）作为一种基于群体智能的优化算法，在解决单目标优化问题上具有较好的效果。
然而，传统的FLA在处理多目标优化问题时存在一些不足之处，如过早收敛和缺乏全局搜索能力。
为了克服这些问题，本文提出了一种改进的混合蛙跳算法（Improved Hybrid Frog Leap Algorithm, IHFLA），并通过实验证明其在多目标优化问题上的应用效果。
引言：随着计算机技术的迅猛发展，多目标优化问题在各个领域中得到越来越广泛的关注。
多目标优化问题是指在多个目标函数的约束下，寻找最优解空间中的非劣解集合。
针对多目标优化问题，传统的单目标优化算法效果不佳，因此需要开发新的算法来解决这一问题。
本文将基于群体智能的优化算法——蛙跳算法，进行改进，以提高其在多目标优化问题上的性能。
1.蛙跳算法的原理及不足蛙跳算法是一种基于仿生学的启发式优化算法，模拟了青蛙在寻找食物过程中的行为。
其基本思想是通过模拟蛙类的跳跃行为来搜索最优解。
每个蛙个体都含有一组决策变量，通过不断迭代调整这些变量，以达到最优解。
然而，传统的FLA在多目标优化问题中存在一些问题：（1）易陷入局部最优解，过早收敛；（2）缺乏全局搜索能力。
2.改进的混合蛙跳算法(IHFLA)为了克服传统FLA中的问题，本文提出了一种改进的混合蛙跳算法（IHFLA）。
该算法在传统FLA的基础上引入了局部搜索和全局搜索的策略，以提高其多目标优化问题的能力。
具体步骤如下：（1）初始化种群：根据问题的约束条件，随机生成一定数量的蛙个体作为初始种群。
（2）目标函数计算：计算种群中每个蛙个体的目标函数值。
（3）更新个体位置：根据当前种群中每个蛙个体的目标函数值，更新其位置。
（4）局部搜索：对每个个体进行局部搜索，以增加探索空间。
（5）全局搜索：通过引入全局搜索策略，使蛙个体具有更好的全局搜索能力。
权重改进的蛙跳算法优化PID参数
权重改进的蛙跳算法优化PID参数刘悦婷【摘要】For the nonlinear,large delay,time-varying controlsystem,conventional PID control result is not satisfactory. So PID self-turning based on SFLA( shuffled frog leaping algorithm) is presented. But because of the problems of SFLA such as local optimality and slow convergence rate. Therefore we propose a weight improved shuffled frog leaping algorithm. In this algorithm,which introduce the linear decreasing adaptive inertia weight to correct the poor frog update strategy can balance the global search and local search. The simulation results of experiments on two classical control system show that compared with the SFLA and PSO ( particle swarm optimization ) , the WISFLA can balance the global search and local search,and its optimization ability would be stronger,the number of iterations less,more suitable for the tuning of the PID parameters optimization.%针对非线性、大延迟、时变的控制系统,传统的PID控制效果不理想,为此提出用蛙跳( shuffled frog leaping algorithm,SFLA)仿生优化算法整定PID参数,但传统蛙跳算法易陷入局部最优,收敛速度慢,因此提出权重改进的蛙跳算法( weight improved shuffled frog leaping algorithm,WIS-FLA)。