摘要
通过资源调度优化提升云计算的效率并降低数据中心能耗是云计算领域的主要研究内容之一;针对粒子群算法在云计算资源调度应用中算法初期收敛速度快、后期收敛速度缓慢、易陷入局部寻优的缺点,提出了一种自适应改进的粒子群算法用于云计算资源调度问题的研究,该算法通过自适应改进粒子的个体学习因子和社会学习因子,以提高算法的全局探索能力,使得粒子逼近更优解;实验结果表明:自适应粒子群算法不仅具备良好的收敛性和全局寻优能力,同时能够大幅度降低云资源调度中任务队列的总完成时间。
Improving the efficiency of cloud computing and reducing the energy consumption of data center is one of the main research contents in cloud computing.Aiming at the shortcomings of particle swarm optimization(PSO)in cloud computing resource scheduling applications,an adaptive improved PSO algorithm is proposed for cloud computing resource scheduling problems.The algorithm improves the global exploration ability of the algorithm and makes the particles approach the better solution.The experimental results show that the adaptive PSO not only has good convergence and global searching excellent ability,and can greatly reduce the total completion time of the task queue in cloud resource scheduling.
作者
张娟芝
段中兴
熊福力
Zhang Juanzhi;Duan Zhongxing;Xiong Fuli(College of Information and Control Engineering,Xi'an University of Architecture and Technology,Xi'an 710055,China)
出处
《计算机测量与控制》
2020年第12期217-221,226,共6页
Computer Measurement &Control
基金
国家自然科学基金项目(61473216)
陕西省教育厅科学研究计划项目(17JK0459)
西安建筑科技大学基础研究项目(ZR18049)
陕西省自然科学面上项目(2020JM-489)。
关键词
自适应
粒子群算法
局部寻优
云资源
adaptive
particle swarm algorithm
local optimization
cloud resources
作者简介
张娟芝(1993-),女,陕西西安人,硕士研究生,主要从事数据中心资源调度方向的研究;段中兴(1969-),男,湖南茶陵人,博士,教授,硕士生导师,主要从事智能控制、智能检测方向的研究;通讯作者:熊福力(1974-),男,黑龙江肇东人,副教授,硕士生导师,主要从事人工智能与系统优化、生产计划与调度优化、智能建筑方向的研究。
