智能優(yōu)化任務(wù)調(diào)度算法的研究與應(yīng)用.pdf

1、負(fù)載均衡是集群技術(shù)的重要性能之一。為了提高網(wǎng)絡(luò)的數(shù)據(jù)處理能力和節(jié)點(diǎn)利用效率，優(yōu)化的任務(wù)調(diào)度算法已成為集群網(wǎng)絡(luò)研究的重要內(nèi)容。遺傳算法(GA)采用群體搜索技術(shù)，具有隱含并行性和全局搜索兩大顯著特征。對(duì)于最優(yōu)解問(wèn)題，遺傳算法表現(xiàn)出較強(qiáng)的全局搜索能力。微粒群算法(PSO)則采用了“群體”與“進(jìn)化”的概念，在搜索最優(yōu)解時(shí)，調(diào)整個(gè)體的適應(yīng)值進(jìn)行進(jìn)化操作，從而加速趨向全局最優(yōu)值的過(guò)程。 本文在分析遺傳算法和微粒群算法這兩種智能優(yōu)化算法的基礎(chǔ)

2、上，探討集群網(wǎng)絡(luò)環(huán)境中任務(wù)調(diào)度的尋優(yōu)算法，旨在研究網(wǎng)絡(luò)負(fù)載均衡的優(yōu)化策略。鑒于微粒群算法在實(shí)際應(yīng)用中容易出現(xiàn)收斂速度慢和陷入局部極小值，導(dǎo)致在求解多峰極值問(wèn)題特別是在全局最優(yōu)解附近有多個(gè)局部最優(yōu)解的問(wèn)題時(shí)，會(huì)出現(xiàn)收斂于局部最優(yōu)解的情況，本文將遺傳算法與微粒群算法相結(jié)合，提出一種改進(jìn)的遺傳微粒群算法（GPSO）。GPSO 結(jié)合遺傳算法與微粒群算法的優(yōu)點(diǎn)，讓群粒子分別在兩種不同的算法流程下迭代與進(jìn)化，通過(guò)選擇、交叉、變異等處理手段，既發(fā)揮遺