基于改进混合蛙跳算法的网格任务调度策略

合集下载

基于改进DPSO的网格资源调度算法

基于改进DPSO的网格资源调度算法李慧敏;张金辉【期刊名称】《计算机与现代化》【年(卷),期】2012(0)3【摘要】The scheduling problem about grid resource which based on market economic model is a typical discrete problem and NP-Hard question. The discrete particle swarm optimization algorithm is proposed to effectively solve the problems of discrete. This paper proposes a resource allocation and task scheduling algorithms based on improved discrete particle swarm optimization algorithm by studying existing algorithms, and running the algorithms onto the Cridsim simulator and comparing it to the existing algorithms. Simulation results show that the proposed scheduling algorithm has many advantages on improving the multiple performances on task completion time, comprehensive performance, and the load balance performance of resources.%基于市场经济模型的网格资源调度问题是一个典型的离散问题及NP-Hard问题,考虑到离散粒子群优化算法在解决离散问题上的有效性,本文在现有算法的研究基础上,提出一种基于改进的离散粒子群优化算法的网格资源分配和任务调度算法,并采用GridSim 模拟器对相关算法进行仿真模拟实验和比较.实验结果表明,本文提出的调度算法在作业完成时间、综合性能以及资源的负载平衡方面均具有较大的优势.【总页数】5页(P30-33,39)【作者】李慧敏;张金辉【作者单位】莆田学院数学与应用数学系,福建莆田351100;莆田学院数学与应用数学系,福建莆田351100【正文语种】中文【中图分类】TP301.6【相关文献】1.基于随机高级Petri网改进型网格资源调度算法 [J], 李培松;刘觉夫;周娟2.云环境下基于DPSO的任务调度算法 [J], 邬开俊;鲁怀伟3.一种改进QoS的网格资源多维性能调度算法 [J], 焦合军;赵群力;施进发4.网格资源调度算法的改进研究 [J], 李凯;李敏;王凭5.基于改进遗传算法的网格资源调度算法 [J], 吴雄奇;曾文华因版权原因，仅展示原文概要，查看原文内容请购买。

改进的混合蛙跳算法

改进的混合蛙跳算法葛宇;王学平;梁静【期刊名称】《计算机应用》【年(卷),期】2012(032)001【摘要】为提高混合蛙跳算法在优化问题求解中的性能,提出了一种改进混合蛙跳算法.改进算法在原算法基础上加入了变异算子,并根据算法进化过程的不同阶段和进化过程中候选解分布情况,利用模糊控制器对变异算子的变异尺度进行调整,实现了变异算子在解空间中搜索范围的动态调整.通过对优化问题中4个典型测试函数的仿真实验表明,与基本蛙跳算法和已有改进算法相比,改进算法在寻优精度、收敛速度和求解成功率上均有一倍以上的提高,尤其在高维复杂优化问题求解中体现出较强的寻优能力.%To enhance the performance of Shuffled Frog Leaping Algorithm (SFLA) in solving optimization problems, this paper proposed an improved shuffled frog leaping algorithm. By adding mutation operator to the original algorithm, the improved algorithm regulated the scale of mutation operator via fuzzy controller, made a dynamic adjustment of mutation operator in the searching range of solution space with different phase and candidate solution distribution of evolution process. The simulation results of four typical functions of optimization problems show that the proposed algorithm can attain above twice improvement on accuracy, convergent speed and success rate, and it demonstrates a better optimization capability especially in solving the high dimensional complexoptimization problem, in comparison with the basic shuffled frog leaping algorithm and the known improved algorithm.【总页数】4页(P234-237)【作者】葛宇;王学平;梁静【作者单位】四川师范大学基础教学学院,成都610068;四川师范大学数学与软件科学学院,成都610068;成都电子机械高等专科学校网络中心,成都610031【正文语种】中文【中图分类】TP18【相关文献】1.基于GPU的混合蛙跳算法改进 [J], 牛宝童;钱宇浛2.基于改进混合蛙跳算法的多约束车辆路径优化 [J], 鲁建厦;翟文倩;李嘉丰;易文超;汤洪涛3.一种基于二分法查找的改进混合蛙跳算法 [J], 王晓彬;邹海荣4.基于改进混合蛙跳算法的船舶推力分配 [J], 卞显洋;肖健梅5.改进混合蛙跳算法在马斯京根模型参数优化中的应用 [J], 杨柳因版权原因，仅展示原文概要，查看原文内容请购买。

基于逆向分层的网格工作流调度改进算法

基于逆向分层的网格工作流调度改进算法
最近，在网格环境中实现资源共享和任务调度成为研究者和企业越来越关注的热点话题。

调度算法是网格系统实现资源共享和任务调度的重要组成部分。

传统的任务调度算法
很难满足网格环境因其复杂的性质而产生的要求，比如高负载、多计算机平台、动态变化
的资源分布等。

为了解决这些问题，基于逆向分层的网格工作流调度改进算法应运而生。

基于逆向分层的网格工作流调度改进算法是一种分层调度算法，它首先将任务分层，
然后从上层开始逐步调度到下层。

逆向分层调度改进算法在发现任务调度需求时，对每一
层进行逆向调度，以获得更好的效果。

该算法具有耗时短、时间紧迫系数低的优势。

此外，该算法还采用虚拟节点的方法来保证任务调度过程的稳定性，通过虚拟节点的
动态优化调整，来维持任务的分配和执行状态。

通过采用资源监视器来监控资源使用情况，当虚拟节点将任务分配到某台机器时，资源监视器将收集并记录节点上计算、内存、注释
和网络资源的使用情况，并将统计信息反馈回虚拟节点，以便更准确地进行调度。

通过改进基于逆向分层的网格工作流调度算法，可以最大限度地提高任务调度的效率，使任务调度的过程变得更加有效、稳定、安全。

该算法的优势是它的灵活性和可扩展性很强，扩展到大规模的集群，有效地解决资源共享和任务调度问题。

基于GAPSO混合算法的网格工作流调度研究

（ｏｐｔｅｔ，ａｔｈｎｏｍｌｎｖｒｔ，ｈｎｈｉ００２，ｈｎＣｍｕｅＣｎｒＥｓＣｉＮｒａｉｓｙＳａｇａ２０６ＣｉｒｅａＵｅｉａ）
ＡｂｔａｔｓｒｃＧｒｏｋｌｗｓｈｄｌｇｃｎｅｎｂｕｅｓｈｄｌｇｏｒｅｓａｅｒｓｕｃｓａｄｔｓｓａｄｉｉｏｅｏｅｍｏｔｏｌｘａｄｉｗｒｆｃｅｕｉｏｃｒｓｏｔｔｃｅｕｉｆａｇ —ｃｌｅｏｒｅｎａｋ，ｎｓｎｆｈｓｍｐｅｎｄｏｎａｈｎｌｔｔｃ
ｓａｃａｉｔｆｐｒｉｌｗａｎａｇｒｔｍｔｓｅｄｐｈｏｅｇｎｅａｅｉｈｅｌｔｒｐｒ．Ｓｍｕａｉｎｘｒｍｅｔｒｓｌｓｏｔｔｈｅｒｈｂｌｙｏａｔｃｅｓｒｑｌｏｈｉｉｏｐｅｕｔｅｃｎｖｒｅｃｒｔｎｔａｔａｔｉｌｔｏｅｐｅｉｎｅｕｔｈｗｈａｔｅｅｓ
ｃａｌｎｉｇｉｓｅｈｃｆｃｓｔｅｅｅｕｉｎａｄｅｆｉｎｙｏｒｏｋｏＴｉｐｐｒｐｏｏｅｙｒｌｏｔｍａｅｎｇｎｔｎｈｌｇｎｓｕｓｗｉｈａｅｔｈｘｃｔｎｆｃｅｃｆｇｉｗｒｆｗ．ｈｓａｅｒｐｓｓａｈｂｉａｇｒｈｂｓｄＯｅｅｉａｄｅｏｉｄｌｄｉｃ
பைடு நூலகம்
ｐｒｃａｆｏｔｉｔｎ（ＡＳ）ｗｔｎｔｅｈｂｄａｏｔｍａｓｅｉｔｓｆｎｔｎｉｑｏｄｃｏｓｖｒｎｕａｏｒａｉｔａｅａｔｌｓｉｐｉｓｉＧＰＯ，ｉｉｙｒｌｒｈｐｃｌｉｅｓｕｃｏｕｔ，ｒｏｅｄｍｔｉｐｏｂｌｙｒｉｅｗＴｌｍａｏｈｈｉｇｉａｆｎｉｓｅｓａｔｎｂｉ

一种新的改进的混合蛙跳算法

2011-1-12收稿日期：2010-10-20基金项目：国家自然科学基金资助项目(the National Natural Science Foundation of China under Grant No.60974082);商洛学院科研基金项目(ScientificResearch Foundation of Shangluo University under Grant No. 09SKY011,10SKY024)作者简介：赵鹏军 (1979－)，男，陕西渭南人，硕士，讲师，主要研究方向：最优化理论与方法，智能计算及其应用；邵泽军 (1981－)，男，山东临沂人，硕士，助教，主要研究方向：智能交通管理.一种新的改进的混合蛙跳算法赵鹏军1，邵泽军21.商洛学院数学与计算科学系，商洛 7260002.北京化工大学北方学院三河 0652011.Department of Mathematics and Computational Science, Shangluo University, Shangluo 726000, China2.North College of Beijing University of Chemical Technology, Sanhe 065201,ChinaZHAO Peng-Jun 1, SHAO Ze-Jun 2. Novel Improved Shuffled Frog Leaping AlgorithmAbstract: To overcome the drawbacks of local optima and instability involved in Shuffled Frog Leaping Algorithm (SFLA), an improved SFLA is proposed. The proposed algorithm employs opposition based learning (OBL) to generate the initial population, which can obtain fitter initial candidate solutions. During the course of evolvement, the differential evolution (DE) is embedded in SFLA organically to maintain the population diversity, Numerical results show that the proposed SFLA has a better capability to solve complex functions than other algorithms. Keywords: shuffled frog leaping algorithm(SFLA); opposition; differential evolution(DE)摘要: 针对混合蛙跳算法在优化过程中受初始值影响较大且容易陷入局部最优的缺陷，提出了一个改进的混合蛙跳算法，该算法利用基于对立学习的策略产生初始种群，提高了产生解的质量；在进化过程中，将差分进化有机地嵌入其中，维持了种群的多样性。

混合蛙跳移动机器人路径规划算法

混合蛙跳移动机器人路径规划算法李玺;窦硕鹏;王海洁【摘要】移动机器人的路径规划主要目的的寻找一条无碰撞的最优路径。

传统的混合蛙跳算法(SFLA)存在容易陷入局部最优、青蛙的步长不能自适应、收敛精度差的特点。

本文将路径规划问题转换为求解最优化问题，基于青蛙与目标和障碍物之间的距离来定义青蛙的适应度，通过在青蛙更新时引入种群最优蛙和平均值，避免陷入局部最优；通过引入欧氏距离来设计一种自适应步长算子，根据青蛙与目标之间的距离来调节步长，提高了算法的收敛精度。

在仿真实验中，与传统的蛙跳算法相比，改进的算法规划的平均时间从7.87s提升至5.34 s，成功率从86.7%提高至100%。

【期刊名称】《电子制作》【年(卷),期】2015(000)004【总页数】2页(P27-28)【关键词】混合蛙跳算法;自适应步长;欧氏距离;平均值【作者】李玺;窦硕鹏;王海洁【作者单位】西南大学计算机与信息科学学院 400715;西南大学计算机与信息科学学院 400715;西南大学计算机与信息科学学院 400715【正文语种】中文路径规划分为两种：基于环境的全局路径规划和基于传感器的局部路径规划。

前者主要有可视图法、遗传算法、栅格法等，后者主要有势场法、模糊逻辑法等。

蛙跳算法由粒子群算法(PSO)和模因算法(MA)发展而来，具有参数少、计算速度快、便于实现的特点，在现实生活中被广泛使用。

文献[3]中提出了一种蛙跳算法的路径规划方法，可以基本实现功能。

本文对传统的蛙跳算法做出了相应的改进，提出了一种基于混合蛙跳算法的移动机器人路径规划方法。

通过在改进算法中引入变异操作和平均算子来避免算法陷入局部最优问题；通过引入欧氏距离和权重因子函数来合理的调节青蛙移动的步长，提高算法的收敛性，增加收敛速度。

在算法执行过程中，我们将算法开始的搜索区域设定为一个在起始点附近的小矩形，不断的增加搜索区域矩形的大小，从而将机器人的移动看成离散的函数。

一种改进的进化优化网格任务调度算法

ｆ２）任务的数量远远大于资源数量；
知：
（１）初始化交叉概率Ｐ。，变异概率Ｐ，种群大小
（２）输入任务书ｎ、资源数ｍ，生成初始种群。算法
ｆ３）每个任务在标准资源上运行所需要的时间已ｐｏｐｓｉｚｅ，进化代数ｍａｘｇｅｎ。
ｚ：－ｍｉｎ善，］
其中，ｎ表示任务数；ｎｌ表示计算资源数；ｚ表水
已经有很多学者在任务调度中做了大量研究：
所有任务执行完所需的总时间函数；ｚ：表示所有任务
Ｔ．．表示任务Ｔ．在处理节Ｖｉｎｃｅｎｚｏ介绍了一种基于遗传算法的资源调度算法执行完所需的总费用函数；Ｅ点Ｒｉ上的预期执行时间；Ｔ表示处理节点Ｒ，的最早其目的是为了尽可能地提高资源的使用率和吞吐
实验结果表明，该算法比Ｍｉｎ — ｍｉｎ、Ｍａｘ — ｍｉｎ性能更优。【关键字】：网格任务调度；￣４Ｊｃ算法；目标空间分割
Ｏ引言
（４）不考虑任务所占用的存储资源和传输延迟；
２目标函数定义
网格计算在现代社会成为解决大型工程科学计算的趋势，同时也是实现全球资源共享的一种途径川。术和难点，对它的研究在基础理论和系统开发等方面都具有重大的意义。近年来，出现了很多多目标优化算法来解决网格调度问题，比如蚁群算法、进化算法等，但是一直网格调度问题是一个ＮＰ难题，很难找到

基于改进混合蛙跳-K均值聚类算法的无功电压控制分区

准确性和可行性。
关键词：聚类分析；混合蛙跳算；Ｋ均值算法；电力系统；无功电压控制分区中图分类号：ＴＰ３０１．６文献标识码：Ａ文章编号：１０００－９７８７（２０１３）０６－－００１８－－０４
ｍｕｈｉ－ｄｉｍｅｎｓｉｏｎｌａｓｐａｃｅ．Ｔｈｅｍｏｄｉｆｉｅｄｓｈｕｌｅｆｄｆｒｏｇｌｅａｐｉｎｇ — Ｋ— ｍｅａｎｓｃｌｕｓｔｅｉｒｎｇａｌｇｏｉｒｔｈｍｉｓｕｓｅｄｔｏｏｂｔａｉｎ
ｃｏｎｔｒｏｌｏｆｅａｃｈｎｏｐｏｗｅｒｓｏｕｒｃｅｏｎｉｔｆｏｒｍｃｈａｒａｃｔｅｒｉｓｔｉｃｉｎｄｅｘ，ａｌｌｔｈｅｎｏｄｅｓｉｎｔｈｅｓｙｓｔｅｍａｒｅｍａｐｐｅｄｉｎｔｏａ
ｐａｔｉｒｔｉｏｎｎｕｍｂｅｒｏｆｔｈｅｃｏｎｔｒｏｌｌｅｄｎｏｄｅｓ．Ｐａｒｔｉｔｉｏｎｏｆｅｌｅｃｔｉｃｒｇｅｎｅｒａｔｏｒｎｏｄｅｓｉｓｄｅｔｅｍｉｒｎｅｄｂｙｕｓｉｎｇｍｅｒｇｅｐｉｎｒｃｉｐｌｅ．ＩＥＥＥ３９ｓｙｓｔｅｍｉｓａｎａｌｙｚｅｄａｎｄｃａｌｃｕｌａｔｅｄｕｓｉｎｇｔｈｅｍｅｔｈｏｄ，ｐａｒｔｉｔｉｏｎｉｎｇｒｅｓｕｌｔｉｓｃｏｍｐａｒｅｄｗｉｔｈｔｈｅ

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)。

免陷入局部最优，同时借鉴粒子群优化算法中粒子飞行经验，对青蛙移动策略进行优化。实验结果表明，该策略高效合理，能够缩减执行任务的时间跨度，并提高最优解的质量。关健词：网格；任务调度；混合蛙跳算法；遗传算法；粒子群优化算法
ＧｒｄＴｓｃｅｕｅＳｒｔｇｓｄ０ｉａｋＳｈｄｌｔａｅｙＢａｅｎＩｐｏｅｈｆｅｏａｉｇＡｌｏｉｈｍｒｖｄＳｕｌｄＦｒｇＬｅｐｎｇｒｔｍ
ｓａｇｐｉｚｄｂａｎｆｍｅｐｒｃｅｆｉｇｅｐｒｎｅｏａｔｌＳｒＯｐｉｚｔｎＰＯ）ｇｒｈＥｐｒｎａｒｓｌｒｖｅｔｔｙｉｏｔｅｙｌｒｏｔａｔｌｌｎｘｅｅｃｆＰｒｃｗａｍｔａｉ（Ｓａｏｔｍ．ｘｅｍｅｔｌｅｕｔｐｏｅｔｒｅｓｍｉｅｒｈｉｙｉｉｅｍｉｏｌｉｉｓｈ
段，各族群问进行文化交流执行混洗过程。反复执行局部搜
索和混洗过程一直持续到定义的收敛条件结束为止。基本ＳＬＦＡ算法流程如下：
［ｙｗｒｓｎ；ａｋｓｈｄｌ；ｈｆｅｒｇＬａｉｇｇｒｈＳＬ；ｅｅｉＡｌｏｉｍ（；ａｔｌｗａｍｐｉｚｔｎＰ０）ｌｏｉｍＫｅｏｄｌｄｔｓｅｕｅＳｕｄＦｏｅｐｎｏｉｍ（ＦＡ）ＧｎｔｇｒｇｃｌＡｌｔｃｈｔＧＡ）ＰｒｃＳｒＯｔａｉ（ｓａｇｒｉｅｍｉｏｈｔＤＯＩ１．９９．ｓ．００３２．１．１５：０３６／ｉｎ１０ —４８０１．０ｊｓ２２０
１网格任务调度问题描述
网格调度包括３个基本因素：网格任务，网格资源和调
度策略。假设任务数Ｍ，资源数 Ⅳ，用集合表示：任务集合
局部搜索，族群最差青蛙个体（，通过ｍｅｔＰ）ｍｅｃ进化向局ｉ
部极值（或全局极值（拢。当局部搜索执行到一定阶）Ｐ）靠
ＳＬＡ．Ｉｎｒｄｃｓｔｅｇｎｔｐｒｔｒｏｉｃｅｓｅａｉｅｅｔｅｕｄｓｕｂｎｅｔｖｉａｌｇｉｔｏａｐｉｍ，ａｄｔｅｆｏｅｐｎＦｔｉｔｏｕｅｈｅｅｉｏｅａｏｓｔｎｒａｅｒｌｔｘｍｍｉｔｒａｃｏａｏｄｆｌｎｎｏａｌｃｌｏｔｍｕｃｖｒｉｎｈｒｇｌａｉｇ
ｓｒｔｇａｅｔｒｐｒｏａｃ．ｔａｅｆｓｅｅｇ — ｕｌｙｏｔｍａｏｕｉｎｔａｅｙｈｓｂｔｅｅｆｒｎｅＩｃｎｂａｔｒｔｇｔｈｉｈｑａｉｐｉｌｌｔｏ．ｍｏａｔｓ
中图分类号：Ｐ０．Ｔ３１６
基于改进混合蛙跳算法的网格任务调度策略
欧阳，孙元妹 “
（庆理工大学ａ信息与教育技术中心；ｂ计算机科学与工程学院，重庆４０５）重．．００４摘要：针对网格任务调度问题，出一种基于改进混合蛙跳算法的网任务调度策略。通过引入遗传算子增加对局部极值的扰动，以避提格
ｏＵｎＳＹａｇ．ＵＮａｓｕＹｕｎ．ｈ
（．ｎｏｍａｉｎａｄＥｕａｉｎＴｃｎｌｇｅｔ；．ｌｇｆｏｕｅｃｅｃｎｎｉｅｒｇａＩｆｒｔｎｄｃｔｅｈｏｏｙＣｎｅｂＣｏｌｅｍｐｔｒｉｎｅａｄＥｇｎｅｎ，ｏｏｒｅｏＣＳｉ
网格任务调度是一个ＮＰ完全问题，一直是网格计算研
究领域的焦点。为此，本文根据网格动态、异构等特点，提出一种基于改进混合蛙跳算法的网格任务调度策略。
２算法基本流程．２
在ＳＬ中，种群由很多青蛙组成，每只青蛙代表一个ＦＡ解，种群被分成多个拥有不同文化的族群。各族群分别执行
ＣｏｇｉｇＵｎｖｒｉｆｅｈｏｏｙＣｏｇｉｇ４０５，ｈｎ）ｈｎｑｎｉｅｓｙｏｃｎｌｇ，ｈｎｑｎ００４ＣｉａｔＴ
［ｓｒｃｌＴｉｐｐｒｒｐｓｓｎｉｒｖｄＳｕｅｒｇＬａｉｇＡｌｏｉｍ（ＦＡ）ｏｒｓｈｄｌ．ｈｇｒｈｉｂｓｄｏａｉｏａＡｂｔａｔｈｓａｅｏｏｅｏｅｈｆｄｏｅｐｎｇｒｈＳＬｆｒｉｔｋｓｅｕｅＴｅｌｏｉｍａｅｎｔｄｔｎｌｐａｍｐｌＦｔｇｄａｃａｔｓｒｉ
第３７卷第２期１
、０－
机
工
程
２１年Ｉ月０１１
Ｎｏｅｅ２ｖｍｂｒ０１１
ＮＯ．２１
ＣｏｕｅｍｐｔｒＥｎｇｎｅｉｇｉｅｒｎ
人工智能及识别技术・
文章编号：００３２（ｌ）— １６３文献标识码：１０－４８０１ｌ４一ｌ．２２Ａ