[发明专利]一种基于交叉全局人工蜂群算法的资源调度优化方法

说明书

本发明提供一种基于交叉全局人工蜂群算法的资源调度优化方法，包括S1：定义蜂群属性和食物源数量；S2：采蜜蜂生成候选食物源；S3：观察蜂采用轮盘赌方式选择食物源并生成候选食物源；S4：若食物源的迭代次数值达到最大，则派侦查蜂寻找食物源并计算其适应值；S5：更新最优食物源信息；S6：判断S5中食物源信息是否满足结束条件，满足结束条件则结束循环，否则返回步骤S4并执行。通过将蜂群属性进行定义，定义为采蜜蜂、观察蜂和侦查蜂的蜂群能够对具体的食物源作出选择和取舍，直至确定最优食物源，在寻求二维空间资源的最优解的问题上进行了算法的优化，便于更快、更合理地确定最优食物源，使解得的最优解具有理想的实际效果。

技术领域

本发明涉及资源调度领域，特别是涉及一种基于交叉全局人工蜂群算法的资源调度优化方法。

背景技术

人工蜂群算法是土耳其学者Karaboga受到蜜蜂采蜜行为和跳舞传递信息行为的启发，在2005年提出来的群体智能算法，并且该算法因具有控制参数较少，实现简单，求解效果好等特性而受到广泛关注，并成功应用于参数优化、神经网络训练、车辆路径问题、最小属性约简等领域。人工蜂群算法的突出优点是在每次迭代中都进行全局和局部搜索，因此，找到最优解的概率大大增加，并在较大程度上避免了局部最优。

在资源受限的项目调度中，满足资源约束和任务紧前关系约束的前提下追求项目最优解。资源受限的项目调度包括常规资源和空间资源两类，由于空间资源为二维空间资源，而且是一种连续型资源，与常规资源不同的是空间资源可被从任意方向切割成任意大小，虽然任务对空间资源的需求量一定，但是其所占用的具体位置却是不变的，并且不同的位置安排对后续任务的生产会产生较大影响。鉴于空间资源的问题过于复杂，现有的人工蜂群算法在空间资源上的贡献相对较少，效果也并不理想。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种基于交叉全局人工蜂群算法的资源调度优化方法，用于解决现有技术中空间资源处理效果不理想的问题。

为实现上述目的及其他相关目的，本发明提供一种基于交叉全局人工蜂群算法的资源调度优化方法，所述方法包括如下步骤：

S1：定义蜂群属性和食物源数量；

S2：采蜜蜂生成候选食物源，并计算其适应值；在候选食物源与原食物源间取舍，若不采用候选食物源则迭代次数设为正，否则更新食物源并将迭代次数设为0；

S3：观察蜂采用轮盘赌方式选择食物源并生成候选食物源，计算其适应值，若不采用候选食物源则迭代次数设为正，否则更新食物源并将迭代次数设为0；

S4：若食物源的迭代次数值达到最大，则派侦查蜂寻找食物源并计算其适应值，并将迭代次数设为0；

S5：更新最优食物源信息；

S6：判断S5中食物源信息是否满足结束条件，满足结束条件则结束循环，否则返回步骤S4并执行。

于本发明的一实施例中，步骤S1中的定义蜂群属性具体为：通过观察其他蜜蜂跳舞分享食物源信息的蜜蜂称为观察蜂；直接前往食物源进行采蜜的蜜蜂称为采蜜蜂；在搜索空间中随机发现食物源的蜜蜂称为侦查蜂。

于本发明的一实施例中，步骤S1中还包括如下步骤：初始化食物源并计算其适应值，将迭代次数设为0；记录最优食物源信息。

于本发明的一实施例中，步骤S2中采蜜蜂生成候选食物源，生成公式为

V_ID＝X_ID+W₁R_ID(X_ID-X_KD)