[发明专利]基于时间负载均衡的粒子遗传算法优化方法、装置及系统

权利要求书

1.基于时间负载均衡的粒子遗传算法优化方法，其特征在于，包括以下步骤：

步骤1：构建粒子种群；

步骤2：对各粒子的位置和速度进行更新，并设定迭代次数，得出达到设定迭代次数的粒子个体最优位置和粒子全局最优位置；

所述步骤2包括：

步骤2.1：计算各粒子的适应度值，获得当前个体最优位置及当前全局最优位置的适应度值，所述当前个体最优位置指每个粒子的位置，所述当前全局最优位置指适应度函数值最大的粒子的位置；

各粒子的适应度函数如下所示：

其中，f为粒子适应度，Q为常数，T为粒子序列中任务完成总时间，T_j为j节点任务完成时间，k₁和k₂分别为任务完成时间和时间负载均衡的权重；

T_j及T公式分别如下：

其中，i表示任务编号，j表示节点编号，t_ij表示完成j节点i任务的时间，利用规模为m×n的矩阵t来存储t_ij的值，e_ij表示若任务i在节点j上执行其值为1，否则为0，m为总任务数，l_i表示任务i的长度，cp_j为节点j的处理能力，n为总节点数；

步骤2.2：对各粒子的粒子速度和粒子位置进行更新及元素规范化，并计算更新及元素规范化后各粒子的适应度值，所述粒子位置指所有任务被执行时对应的节点序列，粒子位置中每一维元素的值都是对应的节点编号；

所述步骤2.2包括：

a.对各粒子的粒子速度进行更新：

其中，表示第s个粒子在第k+1次迭代中第i维的速度，表示第s个粒子在第k次迭代中第i维的速度，x和η为设定的常数，k是迭代次数，r₁和r₂是均匀分布在[0,1]之间的随机数；ω为权重因子，NC为总迭代次数，为第s个粒子第k次迭代后的个体历史最优位置，是个体历史最优解位置所对应的第i维的值，为第k次迭代后的全局最优解位置，是个体历史最优解位置所对应的第i维的值，为第s个粒子在第k+1次迭代更新后位置的第i维的值；f_max是迭代后的当前最大适应度值；

b.对各粒子的粒子位置进行更新：

其中，为第s个粒子在第k+1次迭代更新后位置的第i维的值，为第s个粒子在第k次迭代更新后位置的第i维的值，表示第s个粒子在第k+1次迭代中第i维的速度；

c.对更新后各粒子的粒子速度进行元素规范化：

其中，v_si为第s个粒子在第k次迭代中第i维的速度元素规范化后的粒子速度，n为节点的个数，v_si为第s个粒子在第k次迭代中第i维的粒子速度；

d.对更新后各粒子的粒子位置进行元素规范化：

其中，x_si为第s个粒子在第k次迭代中第i维的位置元素规范化后的粒子位置，C为常数，x_si为第s个粒子在第k次迭代中第i维的粒子位置，e为自然常数；

e.计算更新及元素规范化后各粒子的适应度值；

步骤2.3：判断更新及元素规范化后各粒子的适应度值是否大于当前个体最优位置及全局最优位置的适应度值，若是，则更新粒子的当前个体最优位置及全局最优位置；若否，则不进行更新；

步骤2.4：判断是否达到设定的迭代次数，若是，则得出最终的粒子个体最优位置和粒子全局最优位置；若否，则重复步骤2.1至步骤2.3；

步骤3：对粒子种群进行交叉操作和变异操作，得出最终的粒子个体最优位置和粒子全局最优位置。

2.根据权利要求1所述的基于时间负载均衡的粒子遗传算法优化方法，其特征在于，所述构建粒子种群指部分粒子的生成方式根据节点均匀分配法，使得每个节点上所分配的任务个数相差不超过1，剩余部分粒子随机生成。