[发明专利]基于改进黑猩猩优化算法的云端化资源柔性作业调度方法

权利要求书

1.一种基于改进黑猩猩优化算法的云端化资源柔性作业调度方法，其特征在于：该方法包括以下步骤：

(1)根据黑猩猩算法进行其收敛因子的调整以及设置其位置更新策略；

(2)根据步骤(1)得到的黑猩猩算法进行云端化资源调度的方案设计，提供数据参考。

2.根据权利要求1所述的一种基于改进黑猩猩优化算法的云端化资源柔性作业调度方法，其特征在于：收敛因子的调整以及位置更新策略方法如下：

S1-1，初始的黑猩猩算法；标准的ChOA算法将黑猩猩群体分为四种类型：攻击者、障碍者、驱赶者和追逐者，其中攻击者是种群的领导者，其他三类黑猩猩协助狩猎，社会地位依次下降，黑猩猩驱逐和追逐猎物的数学模型如下：

d＝|C·Xprey(t)-m·Xchimp(t)|

Xchimp(t+1)＝Xprey(t)-a·d

式中：t表示当前迭代次数；Xprey为猎物位置向量；Xchimp为当前黑猩猩位置向量；a，m，C为系数向量，计算公式如下：

a＝2f·r₁-f

m＝Chaotic value

C＝2·r₂

式中：r1和r2分别为[0，1]间的随机向量；f为收敛因子，其值随迭代次数增加从2.5非线性减小到0；a是决定黑猩猩与猎物距离的随机向量，其值为[-f，f]之间的随机数，m为混沌映射矢量，代表黑猩猩在狩猎过程中性动机的影响；C为黑猩猩驱逐和追赶猎物的控制系数，其值为[0，2]之间的随机数，种群初始化后，依次选出四个最优解作为攻击者、障碍者、驱赶者和追逐者的位置，种群中的其他黑猩猩位置围绕以下四种黑猩猩的位置进行更新，其数学模型描述如下：

X₁＝Xattacker-a1·|C1·Xattacker-m1·X|

X₂＝Xbarrier-a2·|C2·Xbarrier-m2·X|

X₃＝Xchaser-a3·|C3·Xchaser-m3·X|

X₄＝Xdriver-a4·|C4·Xdriver-m4·X|

X_(t+1)＝(X1+X2+X3+X4)/4

S1-2，对黑猩猩算法的遗传因子进行调整：

其中，t为当前迭代次数，Max_iter为最大迭代次数，a_initial和a_final分别为a的初始值和最终值，分别取值为2和0；

S1-3，设置一种新的自适应的移步策略：

S1-4，设置一种基于指导位置向量权值的动态比例权重；

当前黑猩猩个体到attacker、barrier、chaser、driver之间的距离权重

结合前面的自适应位置更新策略，最终的位置更新方式表示为

3.根据权利要求1所述的一种基于改进黑猩猩优化算法的云端化资源柔性作业调度方法，其特征在于：步骤(3)中详细方法如下：

S3-1，同时考虑三种性能指标：最大完工时间最小、最大负荷机器负荷最小和所有机器上的总负荷最小；

最大完工时间C_M

minC_M＝min(max(C_K))1≤k≤m

式中，Ck是机器M_K的完工时间；

最大负荷机器负荷W_M

minW_M＝min(max(W_K))1≤k≤m

式中，W_K是机器M_K的工作负荷；

所有机器的总负荷

S3-2，对调度方案根据LOV规则设计数据结构：

S3-3，利用SDChOA对步骤S3-2的数据结构进行解码，得到一个完整的调度方案。