基于改进混合蛙跳算法的网格任务调度策略

基于改进DPSO的网格资源调度算法李慧敏;张金辉【期刊名称】《计算机与现代化》【年(卷),期】2012(0)3【摘要】The scheduling problem about grid resource which based on market economic model is a typical discrete problem and NP-Hard question. The discrete particle swarm optimization algorithm is proposed to effectively solve the problems of discrete. This paper proposes a resource allocation and task scheduling algorithms based on improved discrete particle swarm optimization algorithm by studying existing algorithms, and running the algorithms onto the Cridsim simulator and comparing it to the existing algorithms. Simulation results show that the proposed scheduling algorithm has many advantages on improving the multiple performances on task completion time, comprehensive performance, and the load balance performance of resources.%基于市场经济模型的网格资源调度问题是一个典型的离散问题及NP-Hard问题,考虑到离散粒子群优化算法在解决离散问题上的有效性,本文在现有算法的研究基础上,提出一种基于改进的离散粒子群优化算法的网格资源分配和任务调度算法,并采用GridSim 模拟器对相关算法进行仿真模拟实验和比较.实验结果表明,本文提出的调度算法在作业完成时间、综合性能以及资源的负载平衡方面均具有较大的优势.【总页数】5页(P30-33,39)【作者】李慧敏;张金辉【作者单位】莆田学院数学与应用数学系,福建莆田351100;莆田学院数学与应用数学系,福建莆田351100【正文语种】中文【中图分类】TP301.6【相关文献】1.基于随机高级Petri网改进型网格资源调度算法 [J], 李培松;刘觉夫;周娟2.云环境下基于DPSO的任务调度算法 [J], 邬开俊;鲁怀伟3.一种改进QoS的网格资源多维性能调度算法 [J], 焦合军;赵群力;施进发4.网格资源调度算法的改进研究 [J], 李凯;李敏;王凭5.基于改进遗传算法的网格资源调度算法 [J], 吴雄奇;曾文华因版权原因，仅展示原文概要，查看原文内容请购买。

改进的混合蛙跳算法葛宇;王学平;梁静【期刊名称】《计算机应用》【年(卷),期】2012(032)001【摘要】为提高混合蛙跳算法在优化问题求解中的性能,提出了一种改进混合蛙跳算法.改进算法在原算法基础上加入了变异算子,并根据算法进化过程的不同阶段和进化过程中候选解分布情况,利用模糊控制器对变异算子的变异尺度进行调整,实现了变异算子在解空间中搜索范围的动态调整.通过对优化问题中4个典型测试函数的仿真实验表明,与基本蛙跳算法和已有改进算法相比,改进算法在寻优精度、收敛速度和求解成功率上均有一倍以上的提高,尤其在高维复杂优化问题求解中体现出较强的寻优能力.%To enhance the performance of Shuffled Frog Leaping Algorithm (SFLA) in solving optimization problems, this paper proposed an improved shuffled frog leaping algorithm. By adding mutation operator to the original algorithm, the improved algorithm regulated the scale of mutation operator via fuzzy controller, made a dynamic adjustment of mutation operator in the searching range of solution space with different phase and candidate solution distribution of evolution process. The simulation results of four typical functions of optimization problems show that the proposed algorithm can attain above twice improvement on accuracy, convergent speed and success rate, and it demonstrates a better optimization capability especially in solving the high dimensional complexoptimization problem, in comparison with the basic shuffled frog leaping algorithm and the known improved algorithm.【总页数】4页(P234-237)【作者】葛宇;王学平;梁静【作者单位】四川师范大学基础教学学院,成都610068;四川师范大学数学与软件科学学院,成都610068;成都电子机械高等专科学校网络中心,成都610031【正文语种】中文【中图分类】TP18【相关文献】1.基于GPU的混合蛙跳算法改进 [J], 牛宝童;钱宇浛2.基于改进混合蛙跳算法的多约束车辆路径优化 [J], 鲁建厦;翟文倩;李嘉丰;易文超;汤洪涛3.一种基于二分法查找的改进混合蛙跳算法 [J], 王晓彬;邹海荣4.基于改进混合蛙跳算法的船舶推力分配 [J], 卞显洋;肖健梅5.改进混合蛙跳算法在马斯京根模型参数优化中的应用 [J], 杨柳因版权原因，仅展示原文概要，查看原文内容请购买。

基于逆向分层的网格工作流调度改进算法
最近，在网格环境中实现资源共享和任务调度成为研究者和企业越来越关注的热点话题。

调度算法是网格系统实现资源共享和任务调度的重要组成部分。

传统的任务调度算法
很难满足网格环境因其复杂的性质而产生的要求，比如高负载、多计算机平台、动态变化
的资源分布等。

为了解决这些问题，基于逆向分层的网格工作流调度改进算法应运而生。

基于逆向分层的网格工作流调度改进算法是一种分层调度算法，它首先将任务分层，
然后从上层开始逐步调度到下层。

逆向分层调度改进算法在发现任务调度需求时，对每一
层进行逆向调度，以获得更好的效果。

该算法具有耗时短、时间紧迫系数低的优势。

此外，该算法还采用虚拟节点的方法来保证任务调度过程的稳定性，通过虚拟节点的
动态优化调整，来维持任务的分配和执行状态。

通过采用资源监视器来监控资源使用情况，当虚拟节点将任务分配到某台机器时，资源监视器将收集并记录节点上计算、内存、注释
和网络资源的使用情况，并将统计信息反馈回虚拟节点，以便更准确地进行调度。

通过改进基于逆向分层的网格工作流调度算法，可以最大限度地提高任务调度的效率，使任务调度的过程变得更加有效、稳定、安全。

该算法的优势是它的灵活性和可扩展性很强，扩展到大规模的集群，有效地解决资源共享和任务调度问题。

2011-1-12收稿日期：2010-10-20基金项目：国家自然科学基金资助项目(the National Natural Science Foundation of China under Grant No.60974082);商洛学院科研基金项目(ScientificResearch Foundation of Shangluo University under Grant No. 09SKY011,10SKY024)作者简介：赵鹏军 (1979－)，男，陕西渭南人，硕士，讲师，主要研究方向：最优化理论与方法，智能计算及其应用；邵泽军 (1981－)，男，山东临沂人，硕士，助教，主要研究方向：智能交通管理.一种新的改进的混合蛙跳算法赵鹏军1，邵泽军21.商洛学院 数学与计算科学系，商洛 7260002.北京化工大学北方学院 三河 0652011.Department of Mathematics and Computational Science, Shangluo University, Shangluo 726000, China2.North College of Beijing University of Chemical Technology, Sanhe 065201,ChinaZHAO Peng-Jun 1, SHAO Ze-Jun 2. Novel Improved Shuffled Frog Leaping AlgorithmAbstract: To overcome the drawbacks of local optima and instability involved in Shuffled Frog Leaping Algorithm (SFLA), an improved SFLA is proposed. The proposed algorithm employs opposition based learning (OBL) to generate the initial population, which can obtain fitter initial candidate solutions. During the course of evolvement, the differential evolution (DE) is embedded in SFLA organically to maintain the population diversity, Numerical results show that the proposed SFLA has a better capability to solve complex functions than other algorithms. Keywords: shuffled frog leaping algorithm(SFLA); opposition; differential evolution(DE)摘 要: 针对混合蛙跳算法在优化过程中受初始值影响较大且容易陷入局部最优的缺陷，提出了一个改进的混合蛙跳算法，该算法利用基于对立学习的策略产生初始种群，提高了产生解的质量；在进化过程中，将差分进化有机地嵌入其中，维持了种群的多样性。

混合蛙跳移动机器人路径规划算法李玺;窦硕鹏;王海洁【摘要】移动机器人的路径规划主要目的的寻找一条无碰撞的最优路径。

传统的混合蛙跳算法(SFLA)存在容易陷入局部最优、青蛙的步长不能自适应、收敛精度差的特点。

本文将路径规划问题转换为求解最优化问题，基于青蛙与目标和障碍物之间的距离来定义青蛙的适应度，通过在青蛙更新时引入种群最优蛙和平均值，避免陷入局部最优；通过引入欧氏距离来设计一种自适应步长算子，根据青蛙与目标之间的距离来调节步长，提高了算法的收敛精度。

在仿真实验中，与传统的蛙跳算法相比，改进的算法规划的平均时间从7.87s提升至5.34 s，成功率从86.7%提高至100%。

【期刊名称】《电子制作》【年(卷),期】2015(000)004【总页数】2页(P27-28)【关键词】混合蛙跳算法;自适应步长;欧氏距离;平均值【作者】李玺;窦硕鹏;王海洁【作者单位】西南大学计算机与信息科学学院 400715;西南大学计算机与信息科学学院 400715;西南大学计算机与信息科学学院 400715【正文语种】中文路径规划分为两种：基于环境的全局路径规划和基于传感器的局部路径规划。

前者主要有可视图法、遗传算法、栅格法等，后者主要有势场法、模糊逻辑法等。

蛙跳算法由粒子群算法(PSO)和模因算法(MA)发展而来，具有参数少、计算速度快、便于实现的特点，在现实生活中被广泛使用。

文献[3]中提出了一种蛙跳算法的路径规划方法，可以基本实现功能。

本文对传统的蛙跳算法做出了相应的改进，提出了一种基于混合蛙跳算法的移动机器人路径规划方法。

通过在改进算法中引入变异操作和平均算子来避免算法陷入局部最优问题；通过引入欧氏距离和权重因子函数来合理的调节青蛙移动的步长，提高算法的收敛性，增加收敛速度。

在算法执行过程中，我们将算法开始的搜索区域设定为一个在起始点附近的小矩形，不断的增加搜索区域矩形的大小，从而将机器人的移动看成离散的函数。

基于改进遗传算法的网格任务调度
常瑞生
【期刊名称】《信息通信》
【年(卷),期】2016(000)003
【摘要】为了充分利用网格的大规模计算能力,提高其计算效率,提出了一种改进的遗传算法来解决网格任务调度问题.由于任务之间具有依赖关系,将任务按高度值进行划分,高度值小的任务优先进行处理,从而可以提高种群的初始质量,减少遗传算法的执行时间.实验结果表明,此算法提高了种群的初始质量,获得了较优的调度效果.【总页数】3页(P56-58)
【作者】常瑞生
【作者单位】青海建筑职业技术学院,青海西宁810012
【正文语种】中文
【中图分类】TP393.01
【相关文献】
1.基于改进免疫遗传算法的网格任务调度 [J], 张京军;刘文娟;刘光远
2.基于改进遗传算法的网格任务调度模型构建 [J], 潘利强;张燕琴
3.基于改进遗传算法的网格任务调度 [J], 孙瑞志;杨璐;欧阳娅
4.基于改进遗传算法的QoS移动网格任务调度 [J], 张丽;吴楠;曲攀
5.基于改进遗传算法的网格任务调度模型构建 [J], 潘利强;张燕琴
因版权原因，仅展示原文概要，查看原文内容请购买。

求解TSP的改进混合蛙跳算法
骆剑平;李霞
【期刊名称】《深圳大学学报（理工版）》
【年(卷),期】2010(027)002
【摘要】重新定义表示青蛙移动距离和位置的数据结构及运算符意义,提出混合蛙跳算法(shuffled frog leaping algorithm,SFLA)求解旅行商问题(traveling salesman problem,TSP)基于交换序的实现方法.把具有极强局部搜索能力的幂律极值动力学优化(power law extremal optimization,T-EO)融合于SFLA,并针对TSP对T-EO过程进行设计和改进.改进后的T-EO采用新颖的组元适应度计算方法,通过定义边置换增益能量,结合模拟退火控制过程,并采取幂律定律用概率的方式选取2-opt置换产生邻域解.为避免每个族群最优解的趋同性,提出最优样本差异控制策略.通过求解TSPLIB数据库中的实例,证明该改进算法有效.
【总页数】7页(P173-179)
【作者】骆剑平;李霞
【作者单位】深圳大学信息工程学院,深圳,518060;深圳大学信息工程学院,深圳,518060
【正文语种】中文
【中图分类】TP181;TP183
【相关文献】
1.改进的连续Hopfield网络求解组合优化问题——以TSP求解为例 [J], 邱树伟
2.混合蛙跳算法求解TSP问题 [J], 王园嫒;司畅
3.求解TSP问题的改进混合蛙跳算法 [J], 张敬敏;马丽;李媛媛
4.混合蛙跳算法改进及其对旅行商问题的求解 [J], 李俊
5.混合蛙跳算法改进及其对旅行商问题的求解 [J], 李俊
因版权原因，仅展示原文概要，查看原文内容请购买。

基于网格计算的面向大规模并行应用的任务调度优化在当前的大数据时代，大规模并行应用的需求不断增加，如何高效地调度和管理这些任务成为一个关键问题。

网格计算作为一种分布式计算框架，可以将分散的计算资源进行整合和协同工作，提供高性能和高可靠性的计算环境。

在网格计算中，任务调度优化是提高系统整体性能的关键。

基于网格计算的任务调度优化涉及多个方面，包括任务调度算法、资源管理和任务划分等。

下面将从这三个方面展开讨论。

首先是任务调度算法。

任务调度算法的作用是将待执行的任务分配给合适的计算节点，以达到最佳的执行效果。

常见的调度算法有贪心算法、遗传算法、模拟退火算法等。

贪心算法是一种简单且高效的算法，它根据任务的优先级选择最适合的计算节点进行执行。

遗传算法利用生物进化的原理，通过选择、交叉和变异来搜索最优解。

模拟退火算法模拟金属冷却时的退火过程，通过接受较差解策略以避免局部最优解。

这些算法各有优劣，需要根据具体的应用场景选择合适的算法以提高任务调度效率。

其次是资源管理。

在网格计算中，资源管理是确保任务能够得到充分利用和高效分配的关键。

资源管理包括对计算节点的负载监控、任务队列管理、负载均衡和故障恢复等。

负载监控能够实时监测计算节点的负载情况，通过动态调整任务分配可以避免节点过载或空闲浪费。

任务队列管理能够有效地管理任务队列，避免任务堆积或长时间等待。

负载均衡可以将任务合理地分配到不同的计算节点上，保证整个系统资源的平衡利用。

故障恢复功能可以在计算节点故障发生时自动切换到备用节点，确保任务的连续执行。

最后是任务划分。

任务划分是将大规模并行应用的任务拆分成小任务，并将这些小任务分配给计算节点。

合理的任务划分可以减少通信开销和任务执行时间，提高系统吞吐量。

任务划分的基本原则是将相互间数据依赖性较小的任务进行划分，以实现并行执行。

常用的划分方法有静态划分和动态划分。

静态划分指提前将任务划分好，并将小任务分配给计算节点，适用于任务规模较小且固定的场景。

基于改进微粒群算法的网格任务调度方法
王敏; 王楷
【期刊名称】《《科技创业月刊》》
【年(卷),期】2006(19)10
【摘要】任务调度是网格计算环境中影响性能的重要因素。

提出了一种新的任务
调度方法,该方法先对任务执行时间进行预测,然后运用改进微粒群算法进行任务调度,达到最小化任务执行时间的要求,最终实现网格资源的优化分配。

通过仿真试验
对算法的有效性和性能进行了验证,并比较了与遗传算法调度方案之间的性能差异。

【总页数】2页(P177-178)
【作者】王敏; 王楷
【作者单位】湖北教育学院机电系湖北武汉 430060; 华中师范大学计算机科学系湖北武汉 430079
【正文语种】中文
【中图分类】TP3
【相关文献】
1.基于改进遗传算法的网格任务调度 [J], 常瑞生
2.基于网格的混合微粒群算法解决任务调度问题 [J], 叶春晓;罗娟
3.基于改进遗传算法的网格任务调度模型构建 [J], 潘利强;张燕琴
4.一种改进的基于层次结构的网格任务调度优化模型研究与设计 [J], 刘锋;郭维威;张妍;汤泰青;李晓艳
5.基于改进遗传算法的网格任务调度模型构建 [J], 潘利强;张燕琴
因版权原因，仅展示原文概要，查看原文内容请购买。

面向网格计算的任务调度算法研究随着科技的进步和互联网的普及，大量的数据存储在云端，需要同时处理这些数据的任务越来越多。

这时，单个计算机肯定无法胜任这些任务，而网格计算成为了处理这些任务的好方案。

网格计算是一种基于网络的分布式计算方式，通过将多个计算机组合在一起，使其共同完成大量的计算任务。

在网格计算中，任务调度算法的设计和实现成为了一个重要的研究方向。

任务调度算法是指将各个处理单元有效地分配到系统中的任务来提高整个系统的性能。

它对于网格计算的高效性和可靠性至关重要。

在任务调度算法设计中，考虑到不同运行环境之间的差异和接口的显著变化，使得算法的复杂性要比单一环境的任务调度复杂得多。

因此，在选择合适的任务调度算法时，应该考虑许多因素，如运行环境和系统建模、任务的处理时间、执行时间等。

下面我们将详细讨论面向网格计算的任务调度算法研究。

一、传统任务调度算法的不足1.1 静态任务调度算法静态任务调度是一种离线调度算法，需要在任务执行前进行预处理和调度，不能够动态地应对系统中的变化。

这使得静态任务调度算法无法很好地满足网格计算的特点——多变性。

当系统中出现新的任务时，静态任务调度算法需要重新进行调度，这样会浪费大量的时间和能源。

1.2 动态任务调度算法动态任务调度算法是一种实时调度算法，能够随机应变地全面利用整个系统的计算资源，提高系统性能。

但是，动态任务调度算法需要大量的计算资源来处理各种变化，反而会使整个系统的性能降低。

此外，动态任务调度算法也需要一定的时间来进行调度，因此，无法适应紧急任务的调度需求。

这使得动态任务调度算法的适用范围受到了限制。

二、优化任务调度算法的方法2.1 聚合模型通过聚合模型来对资源和任务进行组合，从而获得最优的调度方案。

聚合模型通过对系统中的资源进行分配和任务的调度来实现对应的服务质量。

聚合模型能够很好地解决静态任务调度算法的问题，使得任务调度能够更好地适应新的系统环境。

2.2 并行模型并行模型将每个任务分解为几个子任务，从而将整个任务并行执行。

基金项目：甘肃省教育信息化发展战略研究项目（2007-08） 作者简介: 孟庆莹（1984-），女，在读硕士研究生，主要研 究方向为农业信息技术。

王联国，教授、硕士生导师，主要 研究方向为计算智能及其工程应用，智能信息处理。

基于邻域正交交叉算子的混合蛙跳算法孟庆莹1 王联国2（1.甘肃农业大学工学院，兰州，730070 2.甘肃农业大学信息学院，兰州，730070）摘要：混合蛙跳算法(SFLA)是一种全新的群体智能优化算法。

针对基本混合蛙跳算法优化精度低、收敛速度慢的缺点，引入邻域正交交叉算子的概念，提出了一种基于邻域正交交叉算子的混合蛙跳算法(SFLA-OCO)。

通过对基准函数进行测试，实验结果证明改进的算法提高了算法的收敛速度，增强了算法的寻优能力。

关键词：混合蛙跳算法；群体智能；正交交叉算子Shuffled Frog Leaping Algorithm based on LocalOrthogonal Crossover OperatorMeng Qingying1 Wang Lianguo2(1. College of Engineering, Gansu Agricultural University, Lanzhou 730070, China2. College of Information Science Technology, Gansu Agricultural University, Lanzhou 730070, China)Abstract: Shuffled Frog Leaping Algorithm(SFLA) is a new swarm intelligence optimization algorithm.Since basic Shuffled Frog Leaping Algorithm has low optimization precision and slow convergence speed ,this paper proposes a Shuffled Frog Leaping Algorithm based on local orthogonal crossover operator （SFLA-OCO ）. The test of benchmark function shows that the new algorithm improved not only the convergence speed but also the abilities of searching the global excellent result.Keywords:Shuffled Frog Leaping Algorithm;Swarm Intelligence;Orthogonal Crossover Operator1 引言混合蛙跳算法（Shuffled Frog Leaping Algorithm ,SFLA ）是2003年由 Eusuff 和 Lansey 提出，根据模拟青蛙觅食过程中信息共享和交流的特点而产生的一种基于群体智能的算法。

一种改进的混合蛙跳算法
赵红星;常小刚
【期刊名称】《兰州交通大学学报》
【年(卷),期】2017(036)001
【摘要】针对混合蛙跳算法后期收敛速度慢、精度低并易陷入局部最优的问题,提出一种改进的混合蛙跳算法.在改进的混合蛙跳算法中,对青蛙的觅食机制和进化迭代公式重新定义,青蛙的第一跳向模因组其它青蛙单维搜索,第二跳向模因组内最优青蛙单维搜索,第三跳向全局最优青蛙单维搜索,通过青蛙的三跳协同搜索,能够使算法的全局搜索能力和局部搜索能力得到显著改善.通过7个测试函数与ABC算法和标准混合蛙跳算法实验对比,实验结果表明改进的混合蛙跳算法具有比ABC算法和混合蛙跳算法更优秀的搜索性能,在收敛速度和收敛精度方面具有明显的优势.【总页数】6页(P51-56)
【作者】赵红星;常小刚
【作者单位】兰州交通大学交通运输学院,甘肃兰州 730070;兰州交通大学现代信息技术与教育中心,甘肃兰州 730070;兰州交通大学现代信息技术与教育中心,甘肃兰州 730070
【正文语种】中文
【中图分类】TP301.6
【相关文献】
1.一种改进的混合蛙跳算法 [J], 施秋红
2.一种改进的混合蛙跳算法 [J], 施秋红;
3.一种改进的混合蛙跳算法及其在变压器设计中的应用 [J], 杜江;袁中华
4.一种改进的混合蛙跳算法及其在水浴牵伸控制中的应用 [J], 肖纯材;郝矿荣;丁永生
5.一种基于二分法查找的改进混合蛙跳算法 [J], 王晓彬;邹海荣
因版权原因，仅展示原文概要，查看原文内容请购买。