[发明专利]一种基于改进蜂群算法的异构多核任务分配方法

摘要

一种基于改进蜂群算法的异构多核任务分配方法：首先对邻域搜索次数设置一个搜索次数阈值，当搜索次数低于设定阈值时，领域搜索策略为更新一位实现迭代更新，并对邻域食物源进行相应的解的计算，当搜索次数高于设定阈值时，领域搜索策略为更新多位实现迭代更新，并对邻域食物源进行相应的解的计算，从而快速的实现解的收敛。在寻优的后期，当对当前食物源进行邻域搜索不能提高解的质量的时候，侦察蜂重新生成食物源时参考当前最优食物源的信息编码，根据当前最优食物源的信息重新生成新的食物源，在此基础上再进行邻域搜索。这样会大大减少无效的迭代次数，在一定程度上提高蜂群算法的收敛速度，提高任务分配效率。

主权项

1.一种基于改进蜂群算法的异构多核任务分配方法，其特征在于，包括如下步骤：1)初始化参数，包括：雇佣蜂的种群规模Q，跟随蜂的种群规模W，确定异构多核模型的功耗约束参数，确定算法的最大迭代次数IterMax，以及算法的终止条件为当迭代次数到达最大迭代次数时停止算法的迭代，设定第一限定阈值H为更改某一食物源搜索策略的食物源迭代次数阈值，设定第二限定阈值iter_Limit为抛弃某一食物源的食物源迭代次数阈值，设定第三限定阈值iter_change为改变侦查蜂对食物源重新生产方式的算法迭代次数阈值；2)初始化食物源规模，包括对于M个任务节点组成的任务集，首先生成与雇佣蜂的种群规模Q个数相同的符合处理器核功率约束的食物源坐标，每个食物源为M位的0～(N‑1)的随机编码序列；3)迭代更新开始，计算每个食物源的适应度函数值，适应度函数值最大的食物源为当前最优食物源；4)对算法的迭代次数Iter加1，判断迭代次数Iter是否大于设定的最大迭代次数IterMax，是执行步骤16)，否则执行步骤5)。5)跟随蜂进行邻域搜索，具体是对当前食物源所对应的编码信息的一比特值进行更新实现的，并分别计算当前食物源与邻域食物源对应的解的质量；6)如果邻域食物源对应的解的质量大于当前食物源对应的解的质量则执行步骤7)，否则执行步骤8)；7)用邻域食物源替换当前食物源，并返回步骤4)；8)对当前食物源的迭代次数加1，判断迭代次数是否大于第一限定阈值H，如果大于限定的阈值H则执行步骤9)，否则返回步骤5)；9)进行改进的邻域搜索，寻找邻域内更优的食物源，具体是对当前食物源所对应的编码信息改变设定比特数的编码信息，并计算当前食物源与邻域食物源对应的解的质量；10)如果邻域食物源对应解的质量大于当前食物源对应解的质量，则执行步骤11)，否则执行步骤12)；11)用邻域食物源替换当前食物源，并返回步骤4)；12)对当前食物源的迭代次数加1，判断当前食物源迭代次数是否大于第二限定阈值iter_Limit，如果是则执行步骤13)，否则返回步骤9)；13)判断算法的迭代次数Iter否大于第三限定阈值iter_change，如果是则执行步骤14)，否则执行步骤15)；14)拥有当前食物的雇佣蜂变为侦查蜂，侦察蜂根据当前最优食物源的设定比特数的编码信息，重新生成新的食物源之后，侦查蜂再变回雇佣蜂，并返回步骤4)；15)拥有当前食物的雇佣蜂变为侦查蜂，侦察蜂初始化当前食物源之后，侦查蜂再变回雇佣蜂，并返回步骤4)；16)输出当前最优食物源的位置坐标即为最佳的任务分配方案。