提出了一種以云任務的完成時間和成本為優(yōu)化目標的改進烏鴉搜索算法(IMCSA)的任務調(diào)度方法.首先采用反向?qū)W習初始化種群,在選擇被跟蹤烏鴉時根據(jù)記憶的適應度值擇優(yōu)選取,避免了盲目性;其次在位置更新過程中,將烏鴉的位置與其反向?qū)W習得到的位置進行交叉,擇優(yōu)選取,能夠有效提高收斂速度.最后通過CloudSim平臺與粒子群算法、遺傳算法、Min_Min算法和CSA進行對比,結(jié)果表明IMCSA在不同實驗下,在任務完成時間和成本取得的效果均優(yōu)于對比算法.

【文章頁數(shù)】：5 頁

【部分圖文】：

圖1任務完成時間對比圖

從圖1可以看出,當任務數(shù)較小的時候,5種算法的差異性相對來說較小,隨著任務數(shù)量的增多,CSA和IMCSA的任務執(zhí)行的完成時間明顯優(yōu)于PSO、GA、Min_Min算法,優(yōu)勢越來越明顯,IMCSA算法的任務完成時間也優(yōu)于原始CSA算法.五種算法的任務執(zhí)行成本中,Min_Min算法的任....

本文編號：4001002