[发明专利]一种基于改进粒子群优化算法的任务调度方法

权利要求书

1.一种基于改进粒子群优化算法的任务调度方法，其特征是，包括如下步骤，

获取待调度的任务数据，根据所述任务数据进行粒子编码；

通过粒子群优化算法对所述粒子进行迭代计算；其中，若所述粒子群优化算法未陷入局部最优解，则直接输出调度方案；若所述粒子群优化算法陷入局部最优解，则采用粒子群优化算法融合布谷鸟搜索算法的方式，输出调度方案。

2.根据权利要求1所述的基于改进粒子群优化算法的任务调度方法，其特征是，所述任务数据包括任务的数量和处理节点的数量；

所述粒子的编码方式如下：

P_i＝{p_i1，p_i2，...，p_ij，...，p_in}，

其中，P_i为第i个粒子的编码方式，p_ij代表第i个调度方案中第j个任务调度到的处理节点，n为任务的数量，1≤i≤N，N为粒子种群规模；初始化时，p_ij的取值范围为0≤p_ij≤m，m为处理节点的数量。

3.根据权利要求2所述的基于改进粒子群优化算法的任务调度方法，其特征是，粒子群优化算法陷入局部最优解的判定方式包括：

获取粒子一次迭代的变化量和平均变化量，得到该次所有粒子变化量的方差值；

将粒子按照迭代变化量的大小升序排序，选取并计算前X个粒子变化量的方差值；

比较所有粒子变化量的方差值和前X个粒子变化量的方差值；其中，若所有粒子变化量的方差值大于前X个粒子变化量的方差值，则判定粒子群优化算法陷入局部最优解，反之则判定粒子群优化算法未陷入局部最优解。

4.根据权利要求3所述的基于改进粒子群优化算法的任务调度方法，其特征是，所述所有粒子变化量的方差值的表达式如下：

其中，为第t次所有粒子变化量的方差值，为第t次粒子迭代的变化量，ΔP^t为第t次粒子迭代的平均变化量。

5.根据权利要求3所述的基于改进粒子群优化算法的任务调度方法，其特征是，所述前X个粒子变化量的方差值的表达式如下：

其中，为第t次前X个粒子变化量的方差值，为第t次粒子迭代的变化量，ΔP^t为第t次粒子迭代的平均变化量。

6.根据权利要求3所述的基于改进粒子群优化算法的任务调度方法，其特征是，所述粒子群优化算法融合布谷鸟搜索算法的方法包括如下步骤：

将前X个粒子中的部分粒子作为布谷鸟搜索算法的初始解，通过布谷鸟搜索算法迭代求解，得到布谷鸟搜索算法的最优调度方案；

在原粒子群优化算法中剔除所述部分粒子，并随机生成与部分粒子相同数量的粒子，继续通过粒子群优化算法迭代求解，得到粒子群优化算法的最优调度方案。

7.根据权利要求6所述的基于改进粒子群优化算法的任务调度方法，其特征是，所述粒子群优化算法融合布谷鸟搜索算法的方法还包括：

比较所述布谷鸟搜索算法的最优调度方案和粒子群优化算法的最优调度方案的适应度，输出的调度方案为适应度更高的最优调度方案。