基于蝙蝠算法的云计算资源分配研究
- 格式:pdf
- 大小:396.26 KB
- 文档页数:2
优先出版 计 算 机 应 用 研 究 第32卷--------------------------------作者简介:张晓磊(1989-),男,河北石家庄人,硕士研究生,主要研究方向为物流与供应链管理、生产系统仿真(E-mail :1193643253@);马从安(1962-),男,安徽寿县人,副教授,博士,主要研究方向为物流与供应链管理,工业工程.物流云服务下基于改进蝙蝠算法的任务调度张晓磊,马从安,申 晨(中国矿业大学 矿业工程学院,江苏 徐州 221008)摘 要:物流调度对提高供应链的有效管理至关重要。
针对物流云服务模式中调度任务多、信息量大、需求广的特点,提出了一种改进蝙蝠算法求解物流云服务调度问题的方案,其优化目标为最小化调度时间和最大化资源利用率。
根据设计的算法流程,首先基于工件升序排列(ranked order value ,ROV )规则对蝙蝠个体进行重新编码,接着调整初始化数据范围来减少分配任务超载和资源闲置现象,并在迭代过程中增加约束条件来均衡任务量,最终实现了资源与任务的智能调度。
通过和遗传、粒子群以及基本蝙蝠算法的对比分析,体现了改进算法的优越性。
最后利用Witness 对方案进行仿真,证明了改进蝙蝠算法在解决物流云服务任务调度中的有效性,同时扩展了蝙蝠算法的应用领域。
关键词:物流云调度;改进蝙蝠算法;均衡任务;智能匹配;仿真模拟;优越性 中图分类号:TP183;TP391.9 文献标志码:ATask scheduling based on improved bat algorithm under logistics cloud serviceZHANG Xiao-lei, MA Cong-an, SHEN Chen(School of Mines, China University of Mining & Technology, Xuzhou Jiangsu 221008, China)Abstract: Logistics scheduling is crucial to improve the efficiency of the supply chain management. Considering the characteristics of multi-tasks, large amount of information and wide demand, this article put forward a proposal based on improved bat algorithm (IBA) to minimize the scheduling time and maximize the resource utilization. According to the algorithm process, it recodes the bat individuals based on the rules of ROV , adjusts the range of initialized date to reduce the overloaded task assignment and resource idly as well as increases the constraint conditions during the iterative process. All those realize the intelligent scheduling of logistics task. The comparison with genetic algorithm (GA), particle swarm optimization (POS) and standard bat algorithm reflects the excellence of IBA. Finally the successful simulation through witness proves the effectiveness of IBA in task scheduling of logistic cloud service and extends the application field of IBA.Key Words: Logistics cloud scheduling; improved bat algorithm; equilibrated assignments; smart matching; witness simulation; excellence0 引言进入21世纪,客户的个性化需求越来越多样,不仅促使物流服务日新月异,更要求物流调度对市场变化具有较高的适应性和灵敏性,而物流调度的主要难点在于如何用最小的时间对需求不同、任务量大的物流服务进行快速合理的分配。
二进制蝙蝠算法
二进制蝙蝠算法是一种基于蝙蝠群体行为的启发式优化算法,其灵感来源于蝙蝠在捕食过程中利用超声波进行定位和捕获猎物的行为。
该算法利用蝙蝠在搜索过程中的特性,结合随机性和局部搜索,能够有效地解决复杂的优化问题。
二进制蝙蝠算法的基本思想是通过模拟蝙蝠的搜索过程来寻找最优解。
在算法的初始化阶段,随机生成一群蝙蝠个体,每个蝙蝠个体对应一个解。
然后根据设定的目标函数对每个蝙蝠进行评估,蝙蝠个体根据当前位置和速度更新自身位置,通过发射超声波来寻找最优解。
蝙蝠个体之间还可以通过一定的概率进行信息交流,以促进种群的多样性和收敛性。
在算法的搜索过程中,蝙蝠会随机地飞向新的位置,同时通过不断调整频率和脉冲率来探索潜在的最优解。
蝙蝠个体在每一代的更新过程中,会根据当前位置和速度来更新自身的位置,同时也会参考其他蝙蝠的位置信息,以便更快地找到最优解。
蝙蝠个体之间还会通过一定的概率进行信息交流,以促进群体的多样性和全局搜索能力。
二进制蝙蝠算法的优点在于具有较强的全局搜索能力和收敛速度快的特点,能够有效地应用于复杂的优化问题中。
算法的参数设置对算法的性能影响较大,需要根据具体的问题来进行调整。
同时,算法的收敛性和稳定性也需要进一步的研究和优化。
总的来说,二进制蝙蝠算法是一种有效的优化算法,可以应用于各种复杂的优化问题中。
通过模拟蝙蝠的搜索行为,算法能够在搜索空间中快速寻找到最优解,具有较高的搜索效率和精度。
在未来的研究中,可以进一步优化算法的性能,提高算法的稳定性和收敛速度,以更好地应用于实际问题中。
混合蝙蝠算法及其在调度管理中的应用研究混合蝙蝠算法及其在调度管理中的应用研究随着社会的发展和进步,调度管理成为了我们日常生活与工作中非常重要的一部分。
调度管理的核心任务是合理地安排各项工作、任务和资源的分配,以最大化效益。
而混合蝙蝠算法是一种新兴的算法技术,可以很好地用于调度管理,目前已经受到越来越多学者及相关领域的广泛关注。
混合蝙蝠算法是一种基于蝙蝠算法与混合算法的组合型算法。
它通过对蝙蝠算法的改进与提升,提高了算法的收敛速度与区别度,同时也提高了算法的全局搜索能力。
这种算法主要的设计思想是将多种算法的优点进行结合,使其能够形成更加优秀的解决方案。
相比于传统的调度管理算法,混合蝙蝠算法围绕资源优化、任务调度以及企业管理等方面,可以更加有效地实现多方面的调整管理问题。
具有更好的实用性和可操作性。
混合蝙蝠算法在调度管理中的应用主要集中在以下方面:1. 生产调度:在工业生产领域,混合蝙蝠算法可以应用于生产调度的方面。
首先需要将生产车间的工序按照先后顺序进行规划,然后将不同的机器分配到不同的工作站进行工作。
通过对生产资源、生产过程、工时等因素进行综合考量,进行最优的生产任务调配。
2. 作业调度:混合蝙蝠算法可以应用于多个作业的调度,比如物流、旅游、银行等各个领域。
在这些领域中,作业的数量、比较复杂,且需要满足一定的约束条件。
混合蝙蝠算法通过对不同作业的特点进行分析,对可行解进行精确计算,实现作业的最优调度。
3. 机器调度:在制造业和物流业中,机器调度是一项至关重要且基础的任务。
通过对各个工作站的工作需求进行分析,在不同的机器之间进行合理分配,使机器的使用达到最佳效益。
对于这种情况,混合蝙蝠算法可以通过建立完备的数学模型,解决大量机器间的调度问题。
4. 人员调度:除了机器调度,还需要考虑到人员的任务分配。
在实际调度管理中,任务的分配不仅仅要考虑到资源的合理利用,还需要考虑到人员的工作时间、特殊技能、偏好等因素。
蝙蝠算法在战备物资调运决策优化中的应用研究引言战备物资是为了应对战争或突发事件而提前准备的作战物品,其目的是保障部队能够快速投入战斗并且持续保持战斗力。
战备物资主要包括枪支弹药、车船油料等作战军械以及伙食被服等生活保障品,对于空军而言,战备物资以航空器材为主。
近些年,随着我军现代化建设不断加速,部队的后勤保障工作日渐成为关注焦点。
面对现今动荡的国际环境以及周边局势,建立完备的战备保障系统已经成为重中之重。
单个需求点的战备物资调运是战备保障工作中的常见项目,而如何找到一种高效合理的调运方案,正是调运指挥人员所急需解决的问题。
目前关于战备物资的研究主要集中在储备结构与策略上,如文献[1-3],而对于战备物资的调运问题研究较少。
文献[4]采用终端进行物资转运控制,能够提高物资转运效率,但并未设计多目标多调运点条件下的优化问题;文献[5]建立了单个需求点的军械调运规划模型;文献[6]利用标准粒子群算法(PSO)对军械调运方案进行了优化。
然而,现有的解法不易运用在复杂的现实情况下,涉及供应点较多会出现内存溢出的情况,另外 PSO也具有易陷入局部最优的缺陷。
蝙蝠算法(BatAlgorithm)是剑桥大学学者 Yang[7]在 2010 年提出的一种基于蝙蝠回声定位行为的启发式算法。
该算法已经通过标准测试函数的测试[7-10],并应用于多种优化问题,尤其适用于处理包含约束的优化问题[8]以及多目标优化问题[9],其结果证明了蝙蝠算法相对于粒子群算法、遗传算法等其他仿真优化算法的优越性。
近年来蝙蝠算法在越来越多的领域展开了应用:李枝勇[11]使用蝙蝠算法解决了多目标多选择的背包问题;盛晓华[12]将蝙蝠算法应用在 PFSP 调度问题中,均取得了良好优化结果。
本文针对战备物资的调运问题进行了研究,建立了时间最短和损失度最低的多目标优化模型。
因为在多目标优化中,各目标属性往往彼此矛盾,基本上不可能同时达到最优,只能使各目标在一定范围内尽可能优化以获得最大的综合效益,这也是多目标优化的魅力所在。
融合均匀变异与高斯变异的蝙蝠优化算法蝙蝠优化算法是一种基于生物学因素的群体智能算法,它主要基于蝙蝠的特征多样性,社会性和嗅觉能力来解决复杂的优化问题。
最近,为了改善蝙蝠优化算法的收敛度和全局搜索能力,对蝙蝠优化算法进行了变异操作。
其中,融合均匀变异和高斯变异的蝙蝠优化算法可以改善蝙蝠算法的搜索能力和可拓展性,并具有较高的稳定性和收敛性。
在均匀变异操作中,基因的变异概率相同,改变基因的程度也相同。
高斯变异采用一个正态分布来改变基因,其中高斯分布变异因子用来控制变异幅度。
融合均匀变异和高斯变异的蝙蝠优化算法,能够同时考虑基因的大小变异和变异程度,提高搜索能力和全局搜索能力,有助于更快的获得优化解。
蝙蝠算法的研究进展作者:程春英刘娜仁来源:《电脑知识与技术》2016年第24期摘要:蝙蝠算法(BA)是通过用搜索空间中的点模拟自然界中的蝙蝠个体,将搜索和优化过程模拟成蝙蝠个体搜索猎物和移动过程,将求解问题的目标函数度量成个体所处位置的优劣,在搜索和优化过程中用好的可行解取代较差的可行解的迭代过程的一种优化算法。
蝙蝠算法因具有较强的鲁棒性、高效性和应用性,已成功地应用于函数优化、工程设计、分类等多个方面。
本文首先给出了蝙蝠算法的原理及模型,然后列出了蝙蝠算法近几年来的改进研究,最后展望了蝙蝠算法的发展方向。
关键词:蝙蝠算法;回声定位;脉冲;改进中图分类号:TP18 文献标识码:A 文章编号:1009-3044(2016)24-0187-02Abstract: Bat algorithm (BA) is by using the search space of some model bats in the nature, search and optimization of process simulation into bats individual search prey and moving process, measures to solve the problem of objective function into individual strengths and weaknesses of the location, in the search and optimization process with good poor feasible solution to replace the feasible solution of an optimization algorithm of iterative process.The bat algorithm for has stronger robustness, efficiency and applicability, has been successfully applied to functionoptimization, engineering design, classification, and many other aspects.This article first elaborated the bat algorithm basic principle and mathematical model, and then bat algorithm existing various kinds of improved algorithm is given, and the development direction of the bat algorithm are discussed.Key words: Bat Algorithm; Echolocation ;Impulse ;Improvement1 引言蝙蝠算法(Bat Algorithm,BA)是2012年杨教授提出的一种群智能优化算法[1]。
二进制蝙蝠算法
摘要:
1.二进制蝙蝠算法的概述
2.二进制蝙蝠算法的原理
3.二进制蝙蝠算法的应用领域
4.二进制蝙蝠算法的优缺点
正文:
二进制蝙蝠算法,是一种受到蝙蝠生物学特性启发而来的优化算法。
蝙蝠在寻找食物和躲避障碍物时,能够通过发射超声波并接收回声来判断周围环境和距离。
二进制蝙蝠算法模仿了这一过程,将超声波替换为二进制编码的信号,通过计算信号的返回时间和强度,来寻找最优解。
该算法的原理主要包括两个部分:一是编码,将需要解决的问题转换为二进制编码的信号;二是计算,通过计算信号的返回时间和强度,来模拟蝙蝠的判断过程,并找到最优解。
二进制蝙蝠算法的应用领域非常广泛,包括但不限于:机器学习、信号处理、图像处理、通信网络等。
特别是在复杂环境下的优化问题,如无线通信中的信道编码和解码,图像处理中的去噪和增强等,都能看到二进制蝙蝠算法的身影。
二进制蝙蝠算法的优点主要体现在其强大的适应性和优秀的寻优能力。
它能够在复杂的环境中,快速找到最优解,且算法简单易于实现。
然而,它也存在一些缺点,如算法的收敛速度较慢,需要大量的计算资源等。
第十章蝙蝠算法10.1介绍蝙蝠算法(Bat Algorithm,BA)是一种基于群体智能的算法,是受微型蝙蝠的回声定位的启发,由Xin-She Yang(Yang, 2010a)[1]于2010年提出的。
大多数微型蝙蝠将声音辐射到周围环境,并聆听这些声音来自不同物体的的回声,从而可以识别猎物,躲避障碍物,并追踪黑暗的巢穴。
声音脉冲因蝙蝠的种类而异,基本上,频率调谐是一种突变,因为它在解中引起波动,主要是在较好的解附近,尽管较大的突变导致全局搜索。
特定的选择是通过对相对恒定的选择施加压力来实现的,这是由于在目前已经建立的种群中使用了最优解。
与遗传算法相比,没有明显的交叉;然而,响度和脉冲发射的偏差会导致变异的不同。
另外,还有一种自动缩放的功能,即随着搜索在响度和脉冲发射率的变化上接近全局最优,利用就会变得集中起来,这导致从探索阶段自动切换到利用阶段。
10.2蝙蝠的自然行为概述蝙蝠是唯一有翅膀的哺乳动物,它们具有非凡的回声定位能力。
它们是世界上种类第二多的哺乳动物,有超过1200种。
一般分为蝙蝠可以分为两类:回声定位微型蝙蝠和以水果为食的巨型蝙蝠。
蝙蝠算法是由Yang Xin-She (2010a)[1]基于第一类蝙蝠的行为而开发的。
大多数蝙蝠以倒挂的栖息姿势休息。
所有的微型蝙蝠和一些巨型蝙蝠都会发出超声波来产生回声。
微型蝙蝠的大脑和听觉神经系统可以通过比较出站脉冲和反复出现的回声,对环境产生深入的图像。
微型蝙蝠发出这些超声波(通过喉部产生)通常通过嘴巴,偶尔通过鼻子,它们会在回声返回前就结束发出超声波。
回声定位可以是低负荷循环,也开始是高负荷循环,第一种情况时,蝙蝠可以根据时间区分它们的叫声和多次出现的回声;第二种情况时,蝙蝠发出不间断的叫声,并在频率上将脉冲和回声分离。
回声定位也被称为生物声纳,主要用于动物的导航和觅食。
在这些回声的帮助下,蝙蝠测量物体的大小和距离,有些种类的蝙蝠甚至能够测量物体移动的速度。
基于蝙蝠算法和动态窗口法的混合路径规划混合路径规划是指结合不同的方法和算法来解决路径规划问题。
本文将基于蝙蝠算法和动态窗口法两种算法,对混合路径规划进行研究和分析。
路径规划是指在给定环境中,寻找从起始点到目标点的最佳路径。
路径规划问题是一个经典的优化问题,可应用于无人机、机器人、交通运输等领域。
蝙蝠算法和动态窗口法是两种常用的路径规划算法。
蝙蝠算法是一种模拟蝙蝠觅食行为的优化算法。
蝙蝠在觅食过程中会根据目标的位置和其他蝙蝠的信息进行视角调整和飞行方向选择。
这种算法模拟了蝙蝠最佳路径的行为,通过调整蝙蝠的位置和速度,找到最优解。
蝙蝠算法的优点是收敛速度快、全局能力强。
动态窗口法是一种基于启发式的路径规划算法。
它通过将环境划分为一个个窗口,将目标点附近的窗口作为空间。
然后根据启发式评估函数,选择下一个窗口进行。
动态窗口法的特点是适用于复杂环境,可以快速找到局部最优解。
混合路径规划将蝙蝠算法和动态窗口法结合起来,以充分利用两种算法的优点。
首先,使用动态窗口法对整个环境进行初步,找到一个较优的路径。
然后,利用蝙蝠算法对初始路径进行优化,通过调整蝙蝠的位置和速度,寻找更短的路径。
具体实现上,可以将蝙蝠算法的过程与动态窗口法的过程交替进行。
在每个窗口中,使用蝙蝠算法对当前路径进行优化,得到一个经过该窗口的局部最优解。
然后,将该局部最优解作为初始解,继续使用动态窗口法在下一个窗口中。
混合路径规划的优点在于综合了两种算法的优点,充分利用全局能力和局部能力。
蝙蝠算法能够快速收敛到最优解,而动态窗口法适用于复杂环境下的路径规划。
通过混合使用这两种算法,可以在保证速度的同时,获得较好的路径规划结果。
总结来说,基于蝙蝠算法和动态窗口法的混合路径规划是一种综合利用不同算法的方法,可以在求解路径规划问题中获得较好的结果。
不仅可以快速找到最优解,还可以适应复杂环境下的需求。
在实际应用中,可以根据具体问题选择合适的方法,并根据实际情况进行调整和优化,以获得更好的路径规划效果。
采用改进二进制蝙蝠算法的任务调度算法黄兴旺;曾学文;郭志川;韩锐【摘要】针对海服务系统环境中任务完成时间过长的问题,提出一种基于改进二进制蝙蝠算法(IB-BA)的任务调度算法.该算法通过在二进制蝙蝠算法(BBA)寻优过程中引入非线性惯性权重因子,平衡全局搜索和局部搜索能力;利用2个不同的邻居蝙蝠算子构成扰动项,避免算法陷入局部最优;利用自适应学习因子调整全局最优算子和邻居蝙蝠算子的权重,控制整个寻优过程由全局搜索为主向局部搜索为主过渡.实验结果表明:IBBA可以稳定地搜索到全局最优值,与现有的基于二进制粒子群算法(BPSO)和二进制蝙蝠算法的任务调度算法相比,在任务数较多时,基于IBBA的任务调度算法能避免过早收敛,使任务完成时间显著减少.在海服务网络中,将该算法应用于任务调度,可提高处理大粒度服务的效率.%A task scheduling algorithm based on an improved binary bat algorithm (IBBA-TA) is proposed to solve the problem of long completion time of tasks in sea service environments.The algorithm introduces nonlinear inertia weight factors in the optimization process of the binary bat algorithm (BBA) to balance capabilities of global and local searches.A perturbation term is constructed by using two mutually exclusive neighbor bats to avoid local optimums.Weights of both the global optimal operator and the neighbor bat operator are adjusted using an adaptive learning factor,and control the transition of the optimization process from global searches to local searches.Experimental results show that IBBA-TA stably obtains the global optimalparisons with the existing task scheduling algorithms based on the binary particle swarm optimization algorithm (BPSO) and the binarybat algorithm show that when the number of tasks is large,IBBA-TA avoids premature convergence and significantly reduces completion time of tasks.It is concluded that the algorithm can be used for task scheduling to improve the efficiency of processing large granularity services in sea service networks.【期刊名称】《西安交通大学学报》【年(卷),期】2017(051)010【总页数】6页(P65-70)【关键词】任务调度;二进制蝙蝠算法;海服务【作者】黄兴旺;曾学文;郭志川;韩锐【作者单位】中国科学院声学研究所国家网络新媒体工程技术研究中心,100190,北京;中国科学院大学,100049,北京;中国科学院声学研究所国家网络新媒体工程技术研究中心,100190,北京;中国科学院声学研究所国家网络新媒体工程技术研究中心,100190,北京;中国科学院声学研究所国家网络新媒体工程技术研究中心,100190,北京【正文语种】中文【中图分类】TP301.6Abstract: A task scheduling algorithm based on an improved binary bat algorithm (IBBA-TA) is proposed to solve the problem of long completion time of tasks in sea service environments. The algorithm introduces nonlinear inertia weight factors in the optimization process of the binarybat algorithm (BBA) to balance capabilities of global and local searches. A perturbation term is constructed by using two mutually exclusive neighbor bats to avoid local optimums. Weights of both the global optimal operator and the neighbor bat operator are adjusted using an adaptive learning factor, and control the transition of the optimization process from global searches to local searches. Experimental results show that IBBA-TA stably obtains the global optimal value. Comparisons with the existing task scheduling algorithms based on the binary particle swarm optimization algorithm (BPSO) and the binary bat algorithm show that when the number of tasks is large, IBBA-TA avoids premature convergence and significantly reduces completion time of tasks. It is concluded that the algorithm can be used for task scheduling to improve the efficiency of processing large granularity services in sea service networks. Keywords: task scheduling; binary bat algorithm; sea service近年来,出现了诸如大规模的媒体任务处理和大数据分析等大粒度服务并得到迅速发展,这些服务通常需要耗费大量的计算资源,云计算[1]、雾计算[2]、海计算[3]等分布式服务架构提供了利用大量分布的虚拟机为这类应用提供服务的可能。
基于K-means和蝙蝠算法的云计算虚拟机智能调度王焱【摘要】针对云计算虚拟机调度中存在的资源分配不均衡问题,提出了一种基于K-means和蝙蝠算法的云计算虚拟机智能调度方法.该方法充分考虑物理节点空闲资源和虚拟机所需资源的互补性,以物理节点作为初始聚类中心,使用资源的相关性定义二者的距离,利用蝙蝠算法的全局寻优能力迭代寻优,达到合理调度虚拟机的目的.模拟实验仿真的结果表明,该方法在降低物理节点数量和提高资源利用率方面具有一定的优势,是一种可行的方法.%To solve the resource allocation imbalance problem existing in cloud computing virtual machine scheduling,a cloud computing virtual machine intelligent scheduling method based on K-means and bat algorithm is proposed. The method ful-ly considers the complementarity of the physical node idle resource and the resource needed by virtual machine,selects the physical node as the initial clustering center,and uses the resource correlation to define the distance between them. The global searching ability of bat algorithm is used for iterative optimization to achieve the goal of reasonable virtual machine scheduling. The scheduling method was simulated. The experiment results show that the method has certain advantages in reducing the quan-tity of physical nodes and improving the resource utilization,and is an effective method.【期刊名称】《现代电子技术》【年(卷),期】2016(039)021【总页数】4页(P21-23,28)【关键词】K-means;蝙蝠算法;云计算;虚拟机;调度【作者】王焱【作者单位】汉江师范学院教育系,湖北十堰 442000【正文语种】中文【中图分类】TN911-34;TP391云计算是一种新型的商业计算模式,是分布式处理、并行处理和网络计算的拓展和延伸,已成为工业界和学术界的研究热点。
摘要最优解一直是人们在工程项目中追求的目标,但随着人们研究的问题越来越复杂,规模越来越大,约束条件也越来越多,求解最优解变得愈发困难,如动态规划,组合优化随着问题规模的增长,传统方法无法在有效时间内得到最优解,而元启发式算法在求解这些问题上有着独特的优势。
蝙蝠算法是元启发式算法中的一种,具有参数少、结构简单、收敛速度快、能很好平衡局部搜索和全局搜索等优点,被广泛应用到许多领域。
本文对该算法进行深入分析和研究,针对其不足进行改进,以提升蝙蝠算法的优化性能。
主要包括以下几个方面:①原始蝙蝠算法通过频率f改变蝙蝠飞行的步长,向当前最优解学习,步长是随机的。
为了加速收敛,在改进蝙蝠算法中,依据蝙蝠与种群中当前最优位置的距离大小而选择不同的更新策略。
若距离较远,则向最优位置随机飞行一段距离,若距离较近,表明该蝙蝠就在最优位置附近,则就在附近随机搜索。
②通过分析蝙蝠的飞行轨迹,发现造成早熟的原因主要是蝙蝠种群多样性下降,仅仅依靠当前全局最优解指导其他蝙蝠寻优,没有跳出局部最优值的机制。
因此,将量子行为的蝙蝠引入到蝙蝠算法中,以利于增加种群的多样性跳出局部最优解,避免算法早熟。
③在搜索时,不但通过当前全局最优解指导其他蝙蝠寻优,而且依靠所有蝙蝠平均最好位置指导蝙蝠寻优,平均最好位置考虑了种群中各蝙蝠经历过的最好位置,使得远离最好位置的蝙蝠飞行到其附近,有助于加快算法的收敛速度。
为了验证改进蝙蝠算法的有效性,通过标准测试函数对算法的寻优能力进行测试,仿真实验结果表明,改进蝙蝠算法能有效提高寻优精度,加快算法的收敛速度。
为了拓展蝙蝠算法的应用范围,将蝙蝠算法应用在认知无线电中的频谱分配。
由于频谱分配问题是离散域优化问题,因此,需要对蝙蝠算法进行离散化处理。
针对基于图论模型下频谱分配,离散化处理后的蝙蝠算法(二进制蝙蝠算法)的优化结果并不好。
因此,对二进制蝙蝠算法进行改进,以提高系统效益。
主要从以下几个方面进行改进:①将蝙蝠算法的选择策略改为贪婪选择,增强了蝙蝠算法在当前位置的开发能力。
[收稿日期]2019-12-20[作者简介]李旭晴(1979-),女,山西长治人,讲师,主要研究方向为计算机网络技术。
依赖蝙蝠算法SVM的云计算资源负载预测李旭晴(长治学院沁县师范分院,山西长治046400)[摘要]随着云计算等信息技术的不断发展,云中心的能耗逐渐增多,逐渐成为抑制各应用拓展的瓶颈。
为了准确评估云中心负载能耗,本文基于蝙蝠算法支持向量机(BASVM)模型,结合了蝙蝠算法变换分析输入信号的周期和频率的优势以及支持向量机的非线性回归分析特性,构建模拟了云计算中心的任务负载,提出了云计算负荷预测算法,并使用云计算中心的实际数据进行预测结果的验证。
实验结果表明,本文提出的算法在预测效果和准确性上均优于同类预测算法。
[关键词]云计算;蝙蝠算法变换;负荷预测;BASVM[中图分类号]TP393.01 [文献标识码]A [文章编号]1671-5330(2020)02-0024-06 随着云计算技术的发展,传统的信息产业变革使得云计算的规模越来越大,同时,云数据中心的规模迅速增加,每个云计算中心的能耗也在不断增加,能耗变得越来越巨大[1-3]。
云计算中的负载预测技术是降低云计算中心能耗的方法之一。
当负载恒定时,如果可以准确地预测下一阶段的负载情况,则可以适当地分配资源。
同时,可以在满足服务水平协议(SLA)时关闭某些计算机,以减少云中心能耗[4-5]。
但是,与网格计算和高性能计算相比,云计算的任务多变。
有学者比较了云计算和网格计算的负载曲线,发现云任务长度仅为网格任务长度的[1/20,1/2]。
因此,云计算的负载曲线更加陡峭,增加了建模和预测云计算负载的难度[6]。
已有学者对云计算中心中的负载预测问题进行了大量研究[7]。
预测方法主要分为三类,第一类为传统统计,如自回归算法、自回归综合移动平均算法(ARIMA)等;第二类为智能算法、神经网络(NN)、SVM算法等;第三类是混合算法,例如,将Kalman滤波器与SVM结合的算法,以及将相空间重构与进化相结合的算法[8-10]。
优先出版 计 算 机 应 用 研 究 第32卷
--------------------------------
基金项目:国家自然科学基金项目资助项目(61170135)
作者简介:金伟健(1982-),男,浙江义乌人,讲师,硕士研究生,主要研究方向为计算机网络安全、云计算;王春枝(1963-),女,湖北武汉人,教授,博士,主要研究方向为计算机网络协同教育、计算机信息安全.
基于蝙蝠算法的云计算资源分配研究 *
金伟健1,王春枝2
(1.义乌工商职业技术学院 机电信息分院,浙江 义乌 322000;2.湖北工业大学 计算机学院,武汉 430068) 摘 要:由于云计算要面临庞大的资源分配并且具有动态性等特点,仅从单一方面来权衡资源分配策略的优劣已经不能再满足需求。
针对上述问题,从用户和资源提供者两个方面出发,将蝙蝠算法引入资源分配策略中,提出了以任务完成时间较短且成本最低为约束条件的调度模型。
最后通过CloudSim 平台进行模拟仿真表明,该资源分配算法能有效的兼顾完成时间和成本,在缩短任务完成时间的同时保证成本最小,提高了资源利用率。
关键词:云计算;资源调度;蝙蝠算法;CloudSim 平台 中图分类号:TP301.6 文献标志码:A
Study on bat algorithm in cloud computing resources allocation
JIN Wei-jian 1, WANG Chun-zhi 2
(1. School of Electro-Mechanical & Information Technology, Yiwu Industrial & Commercial College, Yiwu Zhejiang 322000,
China; 2. School of Computer Science, Hubei University of Technology, Wuhan Hubei 430068, China)
Abstract: Because cloud computing faces the characteristics such as massive resource allocation and dynamic, it no longer meets the demand of weighing the pros and cons from single aspect. From two aspects of users and resource providers to solve the above problems, proposed a scheduling model with constraint conditions of shorter task-completion time and lower cost. Brought the bat algorithm into resource allocation policy and modified its code design to improved the capacity of global optimization. Finally, the simulation results depending on CloudSim platform show that the resource allocation algorithm can effectively take account of completion time and cost. It improves resource utilization by shortening the time to complete the task while ensuring minimum cost, compared with particle swarm optimization algorithm. Key Words: cloud computing; resource scheduling; bat algorithm; cloudsim platform
0 0 引言
云计算作为一种新型商业计算模式,是分布式并行处理和网格计算等多种技术的拓展和延伸,代表了当前并行计算技术发展的新阶段[1]。
作为新兴产物,云计算涉及到的很多问题并没有真正解决,资源调度便是其中的一个难题。
资源调度作为云计算技术的一个重要组成部分,其效率直接影响整个云计算环境的工作性能[2]。
由于云计算环境下的任务调度是一个NP 完全问题,启发式智能算法在该领域研究是一个重要的方向之一。
文献[3]将改进的粒子群算法应用于云计算任务调度模型,引入动态多群体协作和变异粒子逆向飞向的思想来协调全局搜索和局部搜索,提高了资源的执行效率。
文献[4]提出一种基于多目标集成蚁群优化的资源分配模型,将熵的概念引入模型中,以度量云资源的不确定性。
文献[5]将传统遗传算法引入云计算任务调度模型,引入服务质量来改进适应度函数,但容易陷入局部最优等问题。
文献[6]将蝙蝠算法应用于生产调度问题,有效的解决了离散型生产任务调度问题。
文献[7]应用蝙蝠算法对
背包问题进行研究表明,与粒子群算法相比,蝙蝠算法在优化问题中表现更优越的性能。
本文根据云环境对于资源分配的要求出发,通过深入的研究蝙蝠算法,结合云环境下任务调度的实际特点,首先建立了以时间和成本为双约束条件的资源调度模型,然后将蝙蝠算法应用在调度模型中,结果表明蝙蝠算法能够更有效的解决云计算中的资源调度问题。
1 蝙蝠算法
蝙蝠算法[8](Bat Algorithm ,BA )是Xin-She Yang 受启发于蝙蝠的回声定位行为方式与优化目标功能的相关联性,于2010年提出的一种新型启发式优化算法,现已被诸多学者应用于各类优化间题。
与现在诸多优化算法类似,蝙蝠算法也是一种基于种群的随机优化算法,蝙蝠个体是蝙蝠算法的基本单元,在具体问题中赋以具体意义。
BA 算法的寻优过程是一个动态的演化过程,从开始无序的种群随机到搜索过程中不断的更新当前最优解(局部最优解)而逐渐有序以寻得全局最优解的动态
文章预览已结束
获取全文请访问
/article/02-2015-04-054.html。