[发明专利]一种基于改进粒子群优化算法的任务调度方法

说明书

本发明公开了一种基于改进粒子群优化算法的任务调度方法，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。在粒子群优化算法陷入局部最优解时引入布谷鸟搜索算法，解决了粒子群优化算法陷入局部最优解的困境，同时提高了算法的全局搜索能力。

技术领域

本发明涉及一种基于改进粒子群优化算法的任务调度方法，属于任务调度技术领域。

背景技术

如何最优的完成任务调度是一个NP完全问题，针对这类任务调度问题，我们并不能在多项式时间内得到解，因此国内外研究者提出了启发式算法，例如粒子群优化算法、布谷鸟搜索算法、遗传算法等是常见的启发式算法。粒子群优化算法是一种随机的、并行的优化算法，具有算法简单、收敛速度快等优点，已经被许多学者应用于任务调度中。传统的粒子群优化算法虽然在迭代前期收敛速度快，但是在迭代后期局部搜索能力不足，容易陷入局部最优解的困境之中。但由于粒子群优化算法的特点即粒子的移动受到全局最优解和局部最优解的限制，算法本身没有能力跳出局部最优解。

公开于该背景技术部分的信息仅仅旨在增加对本发明的总体背景的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域普通技术人员所公知的现有技术。

发明内容

本发明的目的在于克服现有技术中的不足，提供一种基于改进粒子群优化算法的任务调度方法，在粒子群优化算法陷入局部最优解时引入布谷鸟搜索算法，解决了粒子群优化算法陷入局部最优解的困境，同时提高了算法的全局搜索能力。

为达到上述目的，本发明是采用下述技术方案实现的：

本发明公开了一种基于改进粒子群优化算法的任务调度方法，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。

进一步的，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。

进一步的，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。

进一步的，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。