卫星数传调度的蚁群优化模型及算法

doi:10.3778/j.issn.1002-8331.2009.16.066

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (16): 225-231.DOI: 10.3778/j.issn.1002-8331.2009.16.066

卫星数传调度的蚁群优化模型及算法

陈祥国,武小悦

国防科学技术大学信息系统与管理学院，长沙 410073

收稿日期:2008-11-19 修回日期:2009-03-04 出版日期:2009-06-01 发布日期:2009-06-01
通讯作者: 陈祥国

Model and algorithm of ant colony optimization for satellite data transmission scheduling

CHEN Xiang-guo,WU Xiao-yue

College of Information System & Management，National University of Defense Technology，Changsha 410073，China

Received:2008-11-19 Revised:2009-03-04 Online:2009-06-01 Published:2009-06-01
Contact: CHEN Xiang-guo

摘要/Abstract

摘要： 针对卫星数传调度问题，提出了基于任务－资源关联结点的新型解构造图模型，人工蚁群通过任务边和资源弧分阶段进行任务调度序列和资源分配序列构造，设计了任务调度和资源分配启发式信息，以增强蚁群在伪随机状态转移过程中的搜索能力。通过局部信息素更新防止算法陷入局部最优，利用全局信息素更新的信息素正反馈机制使算法逐渐收敛到全局最优。仿真结果表明，新型解构造图反映了任务与资源之间的密切联系，分阶段状态转移策略和启发式信息的利用有助于增强算法的寻优能力，算法正确可行，并具有良好的收敛性、鲁棒性。

关键词: 卫星数传, 任务调度, 蚁群优化算法, 解构造图, 启发式信息

Abstract: For satellite data transmission scheduling problem，a novel solution construction graph model based on nodes associated with tasks and resources was put forward.The artificial ant colony constructed tasks scheduling sequence and resources allotment sequence by stages through task-edges and resource-arcs.Heuristics of tasks scheduling and heuristics of resources allocation were designed to strengthen ants’ ability of search.The algorithm avoids plunging into local optimization by local pheromone updating，and uses positive feedback mechanism in global pheromone updating to converge to global optimization.The simulation result indicates that，the novel solution construction graph reflects affinity between tasks and resources；the state transition rule by stages and the utilization with heuristics contribute to searching for global optimization；the algorithm is feasible，convergent and robust.

Key words: satellite data transmission, tasks scheduling, ant colony optimization algorithm, solution construction graph, heuristics

陈祥国,武小悦. 卫星数传调度的蚁群优化模型及算法[J]. 计算机工程与应用, 2009, 45(16): 225-231.

CHEN Xiang-guo,WU Xiao-yue. Model and algorithm of ant colony optimization for satellite data transmission scheduling[J]. Computer Engineering and Applications, 2009, 45(16): 225-231.

[1]	张驰，王宇新，冯振，郭禾. 双层虚拟化云架构下任务调度能耗优化算法[J]. 计算机工程与应用, 2021, 57(3): 103-111.
[2]	田倬璟，黄震春，张益农. 云计算环境任务调度方法研究综述[J]. 计算机工程与应用, 2021, 57(2): 1-11.
[3]	张铭，邓文瀚，林娟，钟一文. 改进蚁群优化算法求解折扣{0-1}背包问题[J]. 计算机工程与应用, 2021, 57(13): 85-95.
[4]	张海南，游晓明，刘升，刘中强. 交互式学习的布谷鸟搜索算法[J]. 计算机工程与应用, 2020, 56(7): 147-154.
[5]	向敏，戴柯宇，周恩，刘榆，雷儒杰. 面向物联网终端的任务相关性调度策略[J]. 计算机工程与应用, 2020, 56(23): 95-102.
[6]	于巧玉，吴耀华，王艳艳. 跨层穿梭车双提升机系统料箱拣选任务调度[J]. 计算机工程与应用, 2020, 56(20): 270-278.
[7]	薛文艳，赵江，郝崇清，刘慧贤. 基于信息素负反馈的超启发式蚁群优化算法[J]. 计算机工程与应用, 2019, 55(4): 163-172.
[8]	吴波，许道强，邹云峰，王甜甜，李鑫. 阶段感知的跨域数据分析作业保障机制[J]. 计算机工程与应用, 2019, 55(23): 78-85.
[9]	朱永超，周川，郭健，吴益飞，崔玉伟. 异构分布式系统中一种新型主副版本调度算法[J]. 计算机工程与应用, 2019, 55(21): 93-98.
[10]	汤琳煜，蒋加伏，谷科. 基于雾计算的计算资源分配方案[J]. 计算机工程与应用, 2019, 55(19): 96-104.
[11]	姜道银1，2，葛洪伟1，2. 基于信息交流策略的连续域蚁群优化算法[J]. 计算机工程与应用, 2019, 55(11): 153-159.
[12]	姜道银1，2，葛洪伟1，2，袁罗1. 一种动态划分的混合连续域蚁群优化算法[J]. 计算机工程与应用, 2018, 54(7): 144-151.
[13]	贾丽云，张向利，张红梅. 分布式系统下的启发式任务调度算法[J]. 计算机工程与应用, 2017, 53(12): 63-69.
[14]	陈恒1，2，李冠宇2，孙云浩2. 重排序RDF流三元组模式的蚁群优化方法[J]. 计算机工程与应用, 2017, 53(12): 172-177.
[15]	王向华1，陈特放1，张必明2，颜剑1. 基于时间序列和任务调度的Web数据聚类算法[J]. 计算机工程与应用, 2016, 52(9): 159-163.

卫星数传调度的蚁群优化模型及算法

Model and algorithm of ant colony optimization for satellite data transmission scheduling

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics