基于改进人工蜂群算法的云资源调度策略

2023-12-18 10:42赵恪振
计算机时代 2023年11期
关键词:邻域云计算

赵恪振

关键词:云计算;人工蜂群算法;混沌因子;自适应k 邻域;动态权重

中图分类号:TP391 文献标识码:A 文章编号:1006-8228(2023)11-01-05

0 引言

由于云环境的复杂性和不确定性[1],传统的资源调度算法难以满足应用需求,因此,许多学者使用了群智能优化算法(如遗传算法[2]、粒子群算法[3]、鲸鱼算法[4]和人工蜂群算法[5]等)来解决云资源调度中的难题。其中,人工蜂群算法具有很好的全局搜索能力和適应性,但其存在收敛速度慢、易陷入局部最优等缺点。对其缺点的改进如:申子明[6]通过混合差分进化和丛林法则改进人工蜂群算法,实现虚拟机在主机间的负载均衡;位可冰[7]通过动态地维护一组数量固定的精英解,提取其有益信息来改进采蜜蜂的搜索方程,加快了算法收敛速度;郑洲等人[8]提出基于任务聚类的人工蜂群算法,提高了观察蜂选择优秀蜜源的概率并增强了搜索广度;常小刚[9]通过动态调整种群的搜索步长,前期重搜索,后期重开发,实验结果显示有着不错的收敛精度和速度。

本文针对人工蜂群算法在资源调度中的问题,提出一种基于自适应k 邻域搜索的人工蜂群算法;首先,引入混沌因子增强种群的多样性;其次,结合动态因子与自适应k 邻域搜索策略,动态控制邻域范围,最后利用局部和全局最优解信息及动态权重,调整步长以避免陷入局部最优。

猜你喜欢
邻域云计算
稀疏图平方图的染色数上界
基于邻域竞赛的多目标优化算法
基于邻域KNN算法的风电功率短期预测模型
志愿服务与“互联网+”结合模式探究
云计算与虚拟化
基于云计算的移动学习平台的设计
关于-型邻域空间
实验云:理论教学与实验教学深度融合的助推器
云计算中的存储虚拟化技术应用
基于时序扩展的邻域保持嵌入算法及其在故障检测中的应用