針對云計算資源調度效率低的問題,提出一種基于自適應交叉變異的飛蛾優(yōu)化算法云資源調度策略.首先引入綜合學習策略,對飛蛾種群進行初始化,提高全局搜索能力.其次在迭代過程中加入自適應交叉變異策略,加強粒子跳出局部最優(yōu)的概率.最后建立云計算任務調度問題的數(shù)學模型,將改進后的飛蛾算法對模型進行求解,并將實驗結果與其他優(yōu)化策略的實驗結果在時間花費和能源花費中進行對比,取得了較優(yōu)的結果.

【文章頁數(shù)】：6 頁

【部分圖文】：

圖1四種算法完成時間對比圖

從圖2中可得，其他三種算法隨任務量的增加，能耗花費曲線波動較大，說明其他三種算法在能量消耗上的穩(wěn)定性不高，但ACMOA算法在迭代過程中，曲線波動較為平緩，說明ACMOA算法在能量消耗穩(wěn)定性上遠優(yōu)于其他三種算法.此外，ACMOA算法的最大能耗僅為其他算法的50%～75%，說明ACM....

圖2四種算法能量消耗對比圖

圖1四種算法完成時間對比圖3.2大規(guī)模任務性能對比

圖3四種算法完成時間對比圖

從圖3中可得，本文所提ACMOA算法的花費時間遠遠低于其他三種算法的花費時間，雖然隨任務量的增加，四種算法的花費時間均有明顯增加，但ACMOA算法受影響更小，曲線上升趨勢更加平穩(wěn).因此ACMOA算法在處理時間花費的問題上，優(yōu)化結果遠優(yōu)于其他三種算法，魯棒性更強.圖4四種算法能量....

圖4四種算法能量消耗對比圖

圖3四種算法完成時間對比圖圖4為四種算法的能量消耗對比圖，從圖中可得，本文所提ACMOA算法的能量消耗最低，并且隨任務量的增加，變化趨勢不大，穩(wěn)定性遠優(yōu)于其他三種算法，因此在求解大規(guī)模任務問題上，AC-MOA算法的整體性能仍然更優(yōu).

本文編號：4002526