任务调度算法中新的自适应惯性权重计算方法

李学俊　徐　佳　朱二周　张以文

(安徽大学计算机科学与技术学院　合肥　230601)



任务调度算法中新的自适应惯性权重计算方法

李学俊徐佳朱二周张以文

(安徽大学计算机科学与技术学院合肥230601)

(xjli@ahu.edu.cn)

粒子群算法(particle swarm optimization, PSO)是解决云计算环境中工作流系统的任务调度优化问题的主流智能算法.然而基于传统自适应惯性权重的粒子群任务调度算法易陷入局部最优，导致调度方案的执行时间与费用较高.因此，通过改进单个粒子的成功值计算方法，提出了一种新的自适应惯性权重计算方法NAIWPSO(new adaptive inertia weight based particle swarm optimization).该方法通过比较每个粒子的适应度与全局最优值，可以更加精确描述粒子状态，进而提高了权重的自适应性.在新惯性权重基础上，提出了一种解决云工作流系统中任务调度优化问题的改进粒子群算法.新权重可以更准确的调整粒子速度，使算法更好地平衡粒子全局与局部搜索，避免陷入局部最优，获得执行费用更优的调度方案.实验表明，与5种已有惯性权重算法比较，新算法收敛稳定、适应度最低、执行费用平均减少18%.

云计算；工作流；任务调度；粒子群算法；惯性权重

工作流系统能够根据用户的需求管理与优化工作流的任务调度[1].云计算是一种高效、可伸缩、高可靠性的网络资源模型[2]，为用户快速分配与回收各种资源(包括网络、服务、存储、应用资源等)[3-4].随着云环境中科学计算、大规模电子商务等应用的发展，用户的服务质量(quality of service, QoS)要求不断提高，系统应用的……