采用改进粒子群的P2P流媒体数据调度算法
基于改进粒子群算法的云计算任务调度策略
基于改进粒子群算法的云计算任务调度策略
马亮;李晓
【期刊名称】《计算机与现代化》
【年(卷),期】2013(0)9
【摘要】如何进行合理高效的任务调度是云计算研究的重要问题.针对云计算任务调度和负载均衡问题,本文在对云计算环境及其任务的详细量化分析的基础上,结合实际问题对粒子群调度算法进行变异和修改,着重从任务完成时间和负载均衡两方面对云计算中的任务调度进行优化.实验表明,该算法具有较好的性能,不仅使得任务完成时间高效,并且有效地兼顾了负载均衡,取得了一定的效果.
【总页数】5页(P78-81,147)
【作者】马亮;李晓
【作者单位】中国科学院新疆理化技术研究所,新疆乌鲁木齐830011;中国科学院大学,北京100049;中国科学院新疆理化技术研究所,新疆乌鲁木齐830011
【正文语种】中文
【中图分类】TP18
【相关文献】
1.基于改进粒子群算法的云计算任务调度策略 [J], 丁阳;颜惠琴
2.基于改进GA的云计算任务调度策略 [J], 任金霞;刘敏
3.基于改进飞蛾优化算法的云计算任务调度策略 [J], 李宏伟
4.基于改进飞蛾优化算法的云计算任务调度策略 [J], 李宏伟
5.基于改进萤火虫算法的云计算任务调度策略 [J], 朱利华;朱玲玲
因版权原因，仅展示原文概要，查看原文内容请购买。
P2P流媒体的数据调度算法作者姓名
P2P流媒体的数据调度算法作者姓名摘要:数据驱动型覆盖网络中的数据调度算法是影响p2p流媒体系统性能的重要因素，为了解决当前算法未能有效利用数据块和节点的特性导致流媒体服务质量差的问题，提出了一种基于数据块优先级和节点能力度的数据调度算法。
该算法能够根据数据块的稀缺性、紧迫性得到块的优先级大小，根据节点的上行带宽、在线时间、相对距离得到节点能力度的大小，使优先级高的数据块和能力度大的节点优先被请求，减少了数据块的播放等待时间。
在opnet网络仿真实验表明该算法能够有效降低流媒体播放系统的启动延时和服务器的负载。
关键词:对等网络；流媒体；数据调度；启动延迟；服务器负载中图分类号:tp393文献标志码:adata scheduling algorithm of p2p streaming mediaguo yuan.wei, xu xue.mei*, zhang jian.yang, huang zheng.yu, ni lanschool of physics science and technology, central south university, changsha hunan 410083， chinaabstract:the data scheduling algorithm in data-driven overlay network is identified as one of the most influential factors affecting system performance of p2p streaming media.considering the fact that the current algorithm fails to make use of the data blocks and nodes efficiently, which leads to low-quality streaming media services, a novel method for data scheduling algorithm was proposed in this study based on both priority of data blocks and capacity of nodes. this algorithm could get priority value according to the scarcity and urgency of blocks. it also could get the capacity of the nodes according to uplink-bandwidths, time-online and relative distance of the nodes. with the utilization of this algorithm, higher priority blocks and higher capacity nodes were requested, and the waiting time to play was decreased. network simulating experiments in the opnet indicate that the algorithm can efficiently reduce start-up delay of streaming media playing system and the server load.the data scheduling algorithm in data.driven overlay network is identified as one of the most influential factors affecting system performance of p2p streaming media. considering the fact that the current algorithm fails to make use of the data blocks and nodes efficiently, which leads to low.quality streaming media services, a new method for data scheduling algorithm was proposed in this study based on bothpriority of data blocks and capacity of nodes. this algorithm could get priority value according to the scarcity and urgency of blocks. it also could get the capacity of the nodes according to uplink.bandwidths, time.online and relative distance of the nodes. with the utilization of this algorithm, higher priority blocks and higher capacity nodes were requested, and the waiting time to play was decreased. the simulations in the opnet network indicate that the algorithm can efficiently reduce start.up delay of streaming media playing system and the server load.key words:peer.to.peer (p2p); streaming media; data scheduling; start.up delay; server load0引言基于数据驱动型覆盖网络（data.driven overlay network，don）的p2p流媒体［1］技术的广泛使用，使p2p流媒体技术成为当前研究的热点，各种应用如bt［2］、thunder、pplive、ppstream等都拥有广大的用户。
云计算中基于改进离散粒子群优化的任务调度方案
第33卷第4期2017年7月齐齐哈尔大学学报（自然科学版）Journal of Qiqihar University(Natural Science Edition)Vol.33,No.4July,2017云计算中基于改进离散粒子群优化的任务调度方案郑建秋(厦门城市职业学院，福建厦门361009)摘要：针对云计算中现有智能任务调度算法容易陷入局部最优的问题，提出一种基于改进型离散粒子群优化(D P S0)算法的任务调度方案。
对传统DPS0算法中的粒子位置更新公式中的惯性权重进行改进，使其根据迭代次数非线性递减，提高算法的搜索能力；另外，融入了随机扰动操作，避免算法陷入局部最优。
实验结果表明，与传统遗传算法和粒子群算法相比，该方案能够获得最优的调度策略，有效降低任务的完成时间。
关键词：云计算；任务调度；离散粒子群优化；惯性权重；随机扰动中图分类号：TP306.1 文献标志码：兴文章编号：1007-984X(2017)04-0006-05云计算代1]是一种新的计算技术，用户可以利用云计算租借软件、硬件、基础设施和计算资源作为每个 用户的基础资源，并将他们的工作提交给云计算处理或者云存储。
云计算中的用户任务通常以工作流方式 进行。
科学工作流代2以是指将一系列在科学研究中遇到的数据管理、计算、分析等工作变成一个个独立的服 务，再把这些服务通过数据链接组合在一起，满足研究人员科学实验和数据处理中的需要，从而实现相应 的处理与科学计算'传统的计算环境已很难满足科学工作流的需要。
云计算以高性能的计算资源与海量 的存储资源为科学工作流应用提供了一种全新的部署和执行方式'目前，云计算环境下工作流任务调度方案作为云计算工作流技术的重要组成部分，已经成为该领域内 的研究热点。
工作流任务调度的主要目标是减少任务执行的总时间，减少资源的空闲时间，提高了资源利 用率代4]。
任务调度是一个组合NP-完全问题，启发式智能算法是解决这种问题的一种有效手段，常用的智 能算法有遗传算法（GA)、粒子群算法（PS0)、蚁群算法（AC0)等。
基于数据接收质量的P2P流媒体自适应推拉调度算法
基于数据接收质量的P2P流媒体自适应推拉调度算法
任浩;王劲林;尤佳莉
【期刊名称】《网络新媒体技术》
【年(卷),期】2011(032)004
【摘要】针对现有基于推、拉以及推拉混合模式调度算法不能高效分发数据的同时保证节点数据接收质量,导致服务器负载重的问题,提出一种基于数据接收质量的自适应推拉调度算法.该算法根据节点缓存区数据被及时正确填充的情况动态调节推拉获取数据比例,当数据接收质量好时主要采用推方式获取数据,数据接收质量变差时则过渡到拉方式获取数据.仿真实验表明所提算法可以充分利用推拉方式各自优点加速数据在网络中传播的同时保证节点数据接收质量,降低服务器负载,提高系统可扩展性.
【总页数】8页(P1-8)
【作者】任浩;王劲林;尤佳莉
【作者单位】国家网络新媒体工程技术研究中心中国科学院声学研究所,北
京,100190;中国科学院研究生院,北京,100190;国家网络新媒体工程技术研究中心中国科学院声学研究所,北京,100190;国家网络新媒体工程技术研究中心中国科学院声学研究所,北京,100190
【正文语种】中文
【相关文献】
1.一种自适应的P2P流媒体数据调度算法 [J], 孙名松;周红敏;唐亮
2.基于贡献度的自适应P2P流媒体数据调度算法 [J], 赵天昊;郑烇;王嵩;杨坚
3.上下文感知的自适应P2P流媒体数据调度算法 [J], 李伟;郑烇
4.一种推拉结合的P2P流媒体数据传输调度算法 [J], 曾慧敏
5.基于数据块优先级与负载性能自适应P2P流媒体数据调度算法 [J], 高奥子;张晋豫;
因版权原因，仅展示原文概要，查看原文内容请购买。
云计算调度粒子群改进算法
2019 年 第 28 卷 第 7 期
周文俊[3]等提出了一种基于预测及蚁群算法的云计算 资源调度策略. 为了提高云计算资源的利用率, 以保持 负载平衡, 孟令玺[4]等提出一种适用于云计算资源调度 的文化粒子群算法. 为了提高云计算资源的调度效率, 袁浩[5]等提出了一种适合于云计算资源调度的社会力 群智能优化算法. 针对传统资源调度算法中存在资源 利用率低等缺陷, 卓涛[6]等提出一种基于改进人工蜂群 算法的云计算资源调度模型 (Improved Artificial Bee Colony, IABC). 尽管上述的改进算法在一定程度上能 够提升云计算资源调度的效率和精度, 但仍有一些不 足之处.
引用格式: 罗云,唐丽晴.云计算调度粒子群改进算法.计算机系统应用,2019,28(7):151–156. /1003-3254/7005.html
Improved Particle Swarm Optimization Algorithm for Cloud Computing Scheduling
云计算资源调度算法研究已成为云计算领域的研 究热点之一. 云计算资源调度需要同时兼顾计算效率 和负载均衡, 这依赖于具有强大搜索能力的智能优化 算法. 目前, 已经有诸多的智能优化算法应用于云计算 资源调度中. 针对云计算服务集群资源调度和负载平 衡的优化问题, 刘万军[2]等提出了一种适用于云计算资 源调度的粒子群改进算法. 针对目前静态的网络资源 调度算法不能满足动态的云计算资源调度要求的问题,
① 收稿时间: 2019-01-06; 修改时间: 2019-02-03, 2019-02-21; 采用时间: 2019-03-04; csa 在线出版时间: 2019-07-01
Software Technique•Algorithm 软件技术•算法 151
基于综合因素的P2P流媒体数据调度算法
（ｅ ａ ｆ ｅ ｒ ｏ ｍ ｎ ａｏ ｙｔ ｄ ｏｔ ｌ ｈｎｓＡ ａｅ ｙ ｆ ｃ ｎｅ。 ｅ ａ ｆ ｎｕ Ｋ ｙＬ ｂ Ｎ ｔ ｋＣ ｍ ｕ ｉ ｔ ｎ ｓ ｍ ａ ｎ ｏ， ｉｅ ｃｄｍ Ｓｉ ｃｓＫ ｙ ｂ Ａ ｈ ｉ ｏ ｗｏ ｃｉ Ｓ ｅ ｎＣ ｒ Ｃ ｅ ｏ ｅ Ｌ ｏ Ｎ ｔ ｒ ｏ ｒｕ ｉ ｔ ｎ ｙｔ ｄ ｏｔ ｌ Ｓ Ｃ Ｈ ｆ ｏ ２， ｈ ａ ｅ ｋ ｒｎ ｎ ａ０ ｓ ｍ ａ ｎ ｏ， Ｔ 。 ｅ ｉ３ ０７ Ｃ ｉ ） ｗｏ Ｃ ｎ ｃ￣ Ｓ ｅ ｎ Ｃ ｒ Ｕ ｃ２ ｎ
① 基金项目： 国家高技术研究发展计划（６ ）２ ０ Ａ ０ １ ７ ８ ３ （０ ８ Ａ ） １ ４ Ｚ
收稿时问：０ ９ ０ ｔ ａｅｔＦ ｓ 调度算法改善了系统的性能：文献【 研 ｒ） ５ Ｊ
究了轮询（ｏ ｎ ｏ ｉ） Ｒ ｕ ｄ Ｒ ｂｎ调度算法。讨论了 该算法对
连续性指标和启动延迟的影响： 文献【１ ８研究了基于反 馈 的 数 据 调 度 算 法 （ｅ ｄ ａｋ ｃ ｅ ｕｉ Ｆ ｅ Ｂ ｃ Ｓ ｈ ｄ ｌ ｇ ｎ
到了广泛应 用。基 于 Ｐ Ｐ流媒体的业务形式 由于其扩 ２
有效的数据调度算法可 以改进系统的性 能如吞吐■ 、
媒体内容的播 放质量等 。近年来引起普遍关注 ．出现
了很多研究工作【８ ４ｌ —。文献【】 ４研究了随机选择（ａ － Ｒ ｎ ｄ ｒ— ｅｅｔ 算 法 ： 文 献 【】 出 数 据 驱 动 ｏ Ｓ ｌｃ ａ ） ６提
Ｋ ｙ ｏｄ： ２ ｅｉ￣ｅｍｎ ； ｔｓ ｅｕ ｎ； ｒ ｇｐｔ ｏｔｕ ｄｘｓｒｄｌ ｅｗ ｒｓＰ Ｐ ｄ ｍ ａ ａ ｉ ｄ ａ ｃｄ ｌｇｔ ｏｈ ｕ； ｎｎｉ ｉ ｅ； ａ ａ ｇａ ｈ ｉ ｈ ｕ ｃ ｉ ｔｎ ｙ ｔｔ ｙ ｅ
基于改进粒子群算法的云工作流调度
基于改进粒子群算法的云工作流调度钟诗奇; 龚晓峰【期刊名称】《《电子设计工程》》【年(卷),期】2019(027)020【总页数】5页(P110-114)【关键词】云计算; 工作流调度; 粒子群优化算法; 自组织思想; 混沌理论【作者】钟诗奇; 龚晓峰【作者单位】四川大学电气信息学院四川成都610065【正文语种】中文【中图分类】TN919云计算已经成为一种现代化的大规模分布式计算技术。
由于云工作流与传统工作流相比，有着相当大的区别，所以云工作流的调度中能耗和资源分配问题需要被重新考虑[1]。
针对如何在复杂工作流中合理的分配资源，并且降低能耗的问题，粒子群优化算法是一种常用的方法，但是存在粒子出现“早熟”现象，陷入局部最优的情形，为此，李学俊等人[2]提出了计算粒子成功值的方法改进传统自适应惯性权重的方法；郭文涛等人[3]提出了将粒子速度分阶段不同方式更新，提高了算法收敛的速度；朱亚会等人[4]提出一种资源利用率均衡的调度模型和自适应协同权重方法改进粒子群算法，均衡了服务器上的资源利用率，减少了浪费。
Nirmala[5]提出了结合鱼群算法改进粒子群算法，在云工作流中建立资源映射关系，优化了执行成本；李学俊等人[6]提出一种能耗改进模型，计算粒子趋于全局最优的概率值。
上述研究没有考虑初始粒子群多样性的影响以及粒子所处位置是否在局部极值附近，并且粒子成功值划分不够细致，虽然各方法提高了算法的收敛速度，但是存在准确度不足的风险。
然而，云工作流任务调度是一个NP完全问题[7]，为了提高初始粒子所带有的多样性，以及保持粒子在算法过程中粒子本身寻优的能力，并且对不同时期的算法动态调整寻优的倾向，本文基于一种结合自组织式分段混沌思想的变异策略，提出一种改进的PSO算法，针对不同规模的云工作流进行调度的优化。
1 云工作流调度系统模型1.1 云工作流结构图云工作流是一个或者多个有向无环图（DAG），工作流中的各个子任务之间包含相互依赖和约束的关系[8]。
基于改进粒子群算法的云资源调度
基于改进粒子群算法的云资源调度袁正午;李君琪【摘要】Particle swarm optimization (PSO)is easy to fall into the local optimum and precocious phenomenon occurs in the process of iteration.To improve the efficiency of cloud computing resource scheduling,an improved particle swarm optimization algorithm was put forward.The weight of cognitive term and social term changed along with the times of iteration,which was more in line with the obj ective laws of particle swarm optimization.Experiments verify that the search ability of the improved al-gorithm is stronger and it offers better cloud computing resource scheduling solution.%粒子群算法 (particle swarm optimization,PSO)迭代过程易陷入局部最优并发生 "早熟"现象.为提高云计算资源利用效率,改进粒子群算法,并将其应用于云资源调度.改进算法中认知项和社会项权重随迭代次数变化,更加符合粒子群算法的客观规律.实验结果表明,改进算法全局搜索能力更强,能获得更优的云计算资源调度方案.【期刊名称】《计算机工程与设计》【年(卷),期】2016(037)002【总页数】5页(P401-404,412)【关键词】云计算;改进粒子群算法;资源调度;适应度;迭代【作者】袁正午;李君琪【作者单位】重庆邮电大学计算机科学与技术学院3S技术集成与应用研究所,重庆400065;重庆邮电大学计算机科学与技术学院3S技术集成与应用研究所,重庆400065【正文语种】中文【中图分类】TP393通过虚拟化技术，云计算将大量闲散计算资源整合到一起，变成一个庞大的虚拟资源池，用户可以按需获得各种资源，从而满足人们对大量数据的处理要求[1]。
基于改进粒子群算法的多目标应急物资调度
基于改进粒子群算法的多目标应急物资调度于小兵【期刊名称】《工业工程》【年(卷),期】2014(000)003【摘要】围绕突发事件应急的特点，建立了运输成本最小、延误时间最短的多目标数学模型。
通过范数理想点将多目标模型转化为单目标模型。
设计粒子群优化算法，采用将学习因子、惯性权重设为线性变化和增加局部扰动的方式，建立了针对性的优化算法。
结合实际应急案例进行了数值实验与案例分析，证明了算法的有效性，从而为应急条件下的物资调度提供了有效和可靠的方法。
%For the problem of emergency supply scheduling , it should minimize both transportation cost and time delay .A multi-objective optimization model is established for this problem .This model is conver-ted to a single objective model by using technique for order preference by similarity to ideal solution . Then, particle swarm optimization algorithm is designed to solve the problem by setting learning factor and inertia weight to linear and increasing local perturbation .With the help of an empirical analysis in combi-nation with the example , the algorithm is proved suitable and valid .This is an effective and reliable ap-proach for emergency supply scheduling .【总页数】5页(P18-21,67)【作者】于小兵【作者单位】南京信息工程大学，气象灾害预报预警与评估协同创新中心; 南京信息工程大学，中国制造业发展研究院江苏南京 210044【正文语种】中文【中图分类】F270【相关文献】1.基于改进量子粒子群算法的微网多目标优化调度 [J], 陈深;肖俊阳;黄玉程;黄定威2.基于改进粒子群算法的风水火电短期多目标优化调度研究 [J], 刘易斯;王鹏3.基于改进多目标粒子群算法的微网双层优化调度策略 [J], 李雪松;滕欢;郭宁;梁梦可;吴泽穹4.基于改进粒子群算法的微电网多目标优化调度 [J], 李兴莘;张靖;何宇;张英;刘影;晏开封5.基于改进多目标粒子群算法的南水北调东线江苏段工程联合优化调度研究 [J], 闻昕;王志;方国华;郭玉雪;周磊因版权原因，仅展示原文概要，查看原文内容请购买。
基于改进粒子群算法的云计算调度策略
基于改进粒子群算法的云计算调度策略
马钰;杨迪;王鹏
【期刊名称】《长春理工大学学报:自然科学版》
【年(卷),期】2022(45)5
【摘要】云计算调度策略是一种将海量计算任务分配到各个计算资源上的模型。
粒子群优化算法作为一种随机全局搜索算法在云计算中广泛应用,然而其仍存在参数依赖人为设定、前期全局搜索能力不足、后期收敛速度缓慢等问题。
针对上述问题,提出了基于模拟退火策略与自适应权重策略的优化方法,旨在提高粒子群调度算法的自我优化能力。
通过引入上述策略,对粒子群算法中的学习因子、速度增长等参数进行实时控制,完成算法迭代优化。
实验表明,在CloudSim平台中该优化策略增强粒子群中每个粒子的学习能力,与优化前相比执行速度更快,精确度更高。
【总页数】7页(P80-86)
【作者】马钰;杨迪;王鹏
【作者单位】长春理工大学计算机科学技术学院
【正文语种】中文
【中图分类】P315.69
【相关文献】
1.基于改进粒子群算法的云计算任务调度策略
2.基于粒子群算法的云计算联盟负载均衡调度策略
3.基于改进粒子群算法的云计算任务调度策略
4.基于改进粒子群算法的虚拟机调度策略研究
5.基于竞争粒子群算法的云计算资源调度策略
因版权原因，仅展示原文概要，查看原文内容请购买。
- 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)。
１ 相关概念
与其他 进化算 法 比较 ， 子 群 优化 算 法是 基 于 粒
群 体智能理 论 的优 化 算 法 ， 通过 群 体 中粒 子 间 的合 作 与竞 争 产 生 的群 体 智 能 指 导 优 化 搜 索 ¨ 。Ｐ Ｏ Ｓ
优 解 ， 可通过启 发 式算 法 及 动态 带 宽 调整 的数据 但 调度 算 法 寻 求 其 近 似 最 优 解 Ｈ 。蒋 一 波 、 立 』 张
保 留了基 于种群 的全 局搜 索 策 略 ， 是 其 采用 的速 但 度一 位移模 型 操 作 简 单 ， 免 了复 杂 的 遗 传操 作 。 避
它 特有 的记 忆 使其 可 以动 态 跟 踪 当前 的搜 索 情 况 调 整其搜 索策 略¨ 。粒 子 群 优化 算 法 是 一种 更 高 效 的分布 式搜 索算 法 。传 统 的 Ｐ Ｏ算 法 可表 示 为 Ｓ
２１ ０ ０年 ３月 ２ ４日收 到
（） ＝ （ （） （） … ，ｉ （） １ ｔ ， ｔ ， ｘ ｄ ｔ ） ａ （ ）＝ （ （） （ ） … ， （ ） ‘ ｔ ｔ ， ｔ， ｔ ）
（） １ （） ２
作者简介 ： 朱金平（ ９４ ）男 ， １８ 一 ， 汉族 ， 江西赣州人 ， 硕士研 究生 ， 研
第 ｌ ０卷
第 ｌ ６期
２ １ ６月 ００年
科
学
技
术
与
工
程
Ｖｏ． ０ Ｎｏ １ Ｊ ｎ ０ ０ １ １ ．６ ｕ ｅ２ １
１７ －８ ５ ２ １ ）６４ ４ —４ ６ １ １１ （ ００ １—００ ０
Ｓ ｉｎ ｅＴ ｃ ｎ ｌｇ ｎ ｎ ｎ ｅ ｎ ｃ ｃ ｅ ｈ ｏ ｙ ａ ｄＥ ￣ ｅ ｆ ｇ ｅ ｏ ｉ
（） ３
随机产生一个合法的数 ｍ
随 机 产 生 一个 合 法 的位 置 ｉ
心 问题。为 了减轻服务器的负载 ， 并且有效利用 Ｐ Ｐ网络 中节点的资源 。本文提 出一种基 于改进 粒子群算法的 Ｐ Ｐ流媒体 ２ ２ 数据调度 方法。该算法使用 了粒子群算法进行寻优 ， 并对粒子群 算法进行 改进 ， 法 中定义 了 “ 法” 算 加 运算 ， 替换 原来的速度 方程 ， 并增加变异算子， 防止早熟收敛 。最后通过对 比实验验证 了算法的有效性。 关键词 数据调度 粒子群算法 Ｐ Ｐ技术 ２ 流媒体
⑥
２ １ Ｓｉ ｅｈ Ｅ ｇ ｇ ０ ０ ｃ Ｔ ｃ． ｎｎ． ．
采 用改 进粒 子群 的 Ｐ Ｐ流 媒体 数 据调 度算 法 ２
朱金 平
（ 南 大学 计 算 机科 学 系 ， 州 ５０ ３ ） 暨 广 １６ ２
摘
要
Ｐ Ｐ技术解 决 了传 统流媒体应用 中的不能支持大用户的 问题。而数据调度算法一直是 Ｐ Ｐ流媒体研 究领 域 中的核 ２ ２
源来 提供 流媒 体 数 据 服 务 ， 一 种 扩 展 性 好 、 价 是 性 比高 的流媒 体 服 务 体 系 … 。数 据 调 度 是 Ｐ Ｐ流 媒 ２ 体 研究领 域 中 的核 心 问题 ｊ 由 于 流媒 体 应 用 的 。
数据量 大 、 务 时 间 长 ， 对 数 据 的播 放 有 较 为严 服 且
中图法分类号
Ｔ ３ ３０ ； Ｐ ９ ．２
文献标志码
Ａ
Ｐ Ｐ流媒 体通 过利用 网络上 普通 主机 节点 的资 ２
众 多学者 的改进 和探 讨 ， 且被 运 用 到 了各 个领 域 并 之 中¨ 。本文 在前 人 研 究 的 基础 上 提 出 一种 基 于 改 进粒子 群 算 法 的 Ｐ Ｐ流媒 体 数 据 调 度 方 法 。该 ２
算 法使用 了粒子群 算 法 进行 寻 优 ， 并对 粒 子群 算 法
进 行改进 ， 了减轻 服务 器 的负 载 ，并且 有 效利 用 为 Ｐ Ｐ网络 中节点 的 资 源。算 法 中定 义 了 “ 法 ” ２ 加 运 算， 替换原 来 的速 度 方程 ， 增 加 变异 算子 ， 并 防止 早 熟 收敛 。最 后通过 对 比实验验证 了算法 的有效性 。
究 方 向 ： 算 机 网 络 、 据库 系统 的 应用 与开 发 。 计 数
传统 的 Ｐ Ｏ的运行 轨迹 由下列方 程 给出 ： Ｓ
１ 期 ６
朱金平 ： 采用改进粒子群 的 Ｐ Ｐ ２ 流媒体数据调度算法
ｉ ｒｎ （ １ ＜ Ｐ ｍ ｆ ａ ｄ ０， ） ｉ
ｂ ｇｎ ｅ ｉ
Ｕ（ ＋ ） ： （） 一 ）
芳 等人提 出 了基 于 遗 传 算 法 的 流媒 体 数 据 调 度
算 法 。孙 名松 等 提 出 自适 应 的调 度 算 法 。但 是 存 在 易 陷 入 局 部 最 优 问 题 。粒 子 群 优 化 算 法 （ ａｔ ｌ Ｓ ａｍ Ｏ ｔ ｚｔ ｎ Ｐ Ｏ） 一 种 基 于迭 代 Ｐｒｃ ｗ ｒ ｐ ｍｉ ｉ ，Ｓ 是 ｉｅ ｉ ａｏ 的优 化工 具 ， 进化 计 算 的 一 个 分 支 ， 是 系统 初 始 化
在 ｄ维空 间 中 ， 粒子 ｉ 的位 置 向 量 和速 度 向 量分 别 表 示为 ：
为一组随 机解 ， 过 迭代 搜 寻 最优 值 。Ｐ Ｏ的机 制 通 Ｓ 和原理简 单 ， 需 梯 度 信 息 ， 仅 通 过更 新 位 置 和 无 仅
速 度来不 断 进化 到全 局 最 优解 ， 调 参 数 少 ， 法 可 算 运行效率 高并且 容 易 实现 。 自其 提 出 以来 ， 到 受
格 的时限和顺 序要 求 ，２ Ｐ Ｐ流 媒 体 数据 调 度 也 面 临
诸 多 困难 和挑 战＿ 。流媒 体 数 据 调 度 算 法 好 坏 直 ３ Ｊ
接影响用 户最终 获 得 的服务 质量 和 系统 的扩展 性 。
其 本质上 是 一 个 数 据 传 输 任务 在 多 个 伙 伴 节 点 间 的分配 问题 ， 是个 Ｎ Ｐ—Ｈ ｒ 题 ， ａｄ难 通常 难 以找 到最