基于网格的混合微粒群算法解决任务调度问题

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (12): 34-37.

基于网格的混合微粒群算法解决任务调度问题

叶春晓，罗娟

重庆大学计算机学院，重庆 400030

出版日期:2012-04-21 发布日期:2012-04-20

Grid-based Hybrid Particle Swarm Optimization algorithm for task allocation problem

YE Chunxiao, LUO Juan

College of Computer Science, Chongqing University, Chongqing 400030, China

Online:2012-04-21 Published:2012-04-20

摘要/Abstract

摘要： 网格任务分配是一个NP难问题，结合微粒群优化（Particle Swarm Optimization，PSO）算法，和网格自身的特性，提出了基于网格的混合微粒群算法。算法对问题的解空间进行变换、重定义，使之更加符合PSO算法的求解环境，实现了网格资源的优化分配。与离散微粒群（DPSO）算法和遗传算法进行了仿真比较，结果表明，新的PSO算法具有较好的性能。

关键词: 网格任务分配, 微粒群优化算法, 解空间变换

Abstract: Grid task allocation is a typical NP complete problem. According to the essence of grid and based on Particle Swarm Optimization algorithm, this paper proposes a new algorithm called Grid-based Hybrid Particle Swarm Optimization（GHPSO）. This algorithm transforms and redefines the problem’s resolution space to make it more suitable to the problem-solving environment of PSO algorithm, achieves the optimal allocation of grid resources. The simulation results compared with the Discrete Particle Swarm Optimization algorithm and Genetic Algorithm show that this algorithm has better performance.

Key words: grid task scheduling, Grid-based Hybrid Particle Swarm Optimization（GHPSO）, problem’s resolution space transformation

叶春晓，罗娟. 基于网格的混合微粒群算法解决任务调度问题[J]. 计算机工程与应用, 2012, 48(12): 34-37.

YE Chunxiao, LUO Juan. Grid-based Hybrid Particle Swarm Optimization algorithm for task allocation problem[J]. Computer Engineering and Applications, 2012, 48(12): 34-37.

[1]	张敏，唐东成，张君跃，易志威，朱红萍，陈微. 基于微粒群算法的永磁同步发电机滑模控制[J]. 计算机工程与应用, 2015, 51(22): 266-270.
[2]	刘盼芝1，郭国防2，潘若禹3. 求解分布式顺序统计CFAR检测器参数的新方法[J]. 计算机工程与应用, 2014, 50(2): 258-262.
[3]	林令娟1，刘希玉2. 结合SA算法的快速微粒群优化算法[J]. 计算机工程与应用, 2011, 47(8): 27-29.
[4]	赵嘉1，曹寒问2，孙辉1，李文力1. 双群交换微粒群算法及在Shearlet图像去噪中的应用[J]. 计算机工程与应用, 2011, 47(19): 207-210.
[5]	赵嘉，孙辉. 多阶段多模型的改进微粒群优化算法[J]. 计算机工程与应用, 2010, 46(33): 32-35.
[6]	柳枝华¹，孙辉^1，2，胡海智¹. 双群分段交换的改进微粒群优化算法研究[J]. 计算机工程与应用, 2010, 46(25): 34-36.
[7]	陈华，范宜仁，邓少贵，李智强. 基于多核微机的微粒群并行算法[J]. 计算机工程与应用, 2010, 46(13): 34-36.
[8]	吴烈阳¹，孙辉²，白明明¹，李敏¹. 一种新的并行文化微粒群优化算法[J]. 计算机工程与应用, 2009, 45(35): 44-46.
[9]	黄力明. 混沌微粒群优化算法在图像匹配中的应用[J]. 计算机工程与应用, 2009, 45(32): 168-170.
[10]	卜艳萍^1，2，俞金寿¹. 协同进化算法及在软测量建模中的应用[J]. 计算机工程与应用, 2009, 45(31): 241-244.
[11]	郭成,李群湛. 利用T-S模糊自适应PSO算法优化PID参数[J]. 计算机工程与应用, 2009, 45(3): 245-248.
[12]	黄力明. 微粒群优化和区域生长结合的图像分割方法[J]. 计算机工程与应用, 2009, 45(28): 193-195.
[13]	陈晓东¹，张玉敏²，徐跃¹. 应用微粒群算法确定有机化合物分子式[J]. 计算机工程与应用, 2009, 45(27): 246-248.
[14]	董巧英,阚树林,楚云军. 混流装配线排序的改进离散微粒群优化算法[J]. 计算机工程与应用, 2009, 45(12): 218-221.
[15]	黄冀卓¹,王湛². 结合梯度法的混合微粒群优化算法[J]. 计算机工程与应用, 2008, 44(35): 40-42.