PSO算法在子任务分配中的应用

doi:10.3969/j.issn.1000-3428.2011.24.061

计算机工程 ›› 2011, Vol. 37 ›› Issue (24): 183-186. doi: 10.3969/j.issn.1000-3428.2011.24.061

PSO算法在子任务分配中的应用

陈大川 ¹，张荣国¹，黄付亮 ¹，刘焜 ²

(1. 太原科技大学计算机科学与技术学院，太原 030024；2. 合肥工业大学机械与汽车工程学院，合肥 230009)

收稿日期:2011-06-15 出版日期:2011-12-20 发布日期:2011-12-20
作者简介:陈大川(1985－)，男，硕士研究生，主研方向：协同设计；张荣国，教授；黄付亮，硕士研究生；刘焜，教授、博士、博士生导师
基金资助:
国家自然科学基金资助项目(50775060)

Application of Particle Swarm Optimization Algorithm in Subtask Allocation

CHEN Da-chuan ¹, ZHANG Rong-guo ¹, HUANG Fu-liang ¹, LIU Kun ²

(1. School of Computer Science and Technology, Taiyuan University of Science and Technology, Taiyuan 030024, China; 2. School of Mechanical and Automotive Engineering, Hefei University of Technology, Hefei 230009, China)

Received:2011-06-15 Online:2011-12-20 Published:2011-12-20

摘要/Abstract

摘要： 设计一种双重粒子编码方式，提出用于求解子任务分配问题的粒子群优化(PSO)算法。采用预约束方法产生初始种群，根据PSO算法容易陷入局部最优的特点，引入和声搜索策略加以改进。通过对经典实例的仿真分析，并与其他算法进行对比，证明新算法具有较强的寻优能力，收敛速度较快。

关键词: 并行设计, 子任务分配, 粒子群优化算法, 双重编码, 和声搜索

Abstract: To solve subtask allocation problem, a Particle Swarm Optimization(PSO) algorithm is proposed by designing a dual coding method. Pre-constraint is used to produce population. A search strategy based on harmony search is brought into PSO algorithm to avoid its defect of easily plunging into the local optimum. Simulation results of the the classical cases and comparison to other algorithms demonstrate the effectiveness of this algorithm.

Key words: concurrent design, subtask allocation, Particle Swarm Optimization(PSO) algorithm, dual coding, harmony search

中图分类号:

N945

陈大川, 张荣国, 黄付亮, 刘焜. PSO算法在子任务分配中的应用[J]. 计算机工程, 2011, 37(24): 183-186.

CHEN Da-Chuan, ZHANG Rong-Guo, HUANG Fu-Liang, LIU Kun. Application of Particle Swarm Optimization Algorithm in Subtask Allocation[J]. Computer Engineering, 2011, 37(24): 183-186.

http://www.ecice06.com/CN/Y2011/V37/I24/183

[1]	桑永宣, 魏江坡, 王博, 宋莹. 具有边缘缓存机制的混合启发式任务卸载算法[J]. 计算机工程, 2023, 49(4): 149-158.
[2]	孙扬威, 戚湧. 基于聚类混合采样与PSO-Stacking的车载CAN入侵检测方法[J]. 计算机工程, 2023, 49(1): 138-145.
[3]	王改云, 陆家卓, 焦傲, 郭智超, 张琦. 混沌粒子群鸡群融合优化的RSSI质心定位算法[J]. 计算机工程, 2021, 47(6): 197-202.
[4]	张瑞, 陈红卫. 基于特征优化与SVPSO的工控入侵检测[J]. 计算机工程, 2020, 46(4): 19-25.
[5]	李娜娜, 胡坚剑, 顾军华, 张亚娟. 深度置信网络优化模型在人才评价中的应用[J]. 计算机工程, 2020, 46(2): 80-87,102.
[6]	邹卯荣,傅明,熊兵. 基于时延与负载的SDN控制器部署模型[J]. 计算机工程, 2019, 45(4): 30-35.
[7]	叶莉, 吴春明, 强保华, 谢武. 基于矩阵填充与改进PSO算法的多标准协同过滤[J]. 计算机工程, 2019, 45(12): 176-181,200.
[8]	刘学平, 李玙乾, 刘励, 王哲, 刘宇. 嵌入SENet结构的改进YOLOV3目标识别算法[J]. 计算机工程, 2019, 45(11): 243-248.
[9]	张树涛, 谭海波, 陈良锋, 吕波. 一种高效的分布式爬虫系统负载均衡策略[J]. 计算机工程, 2019, 45(11): 62-67.
[10]	刘创,吕娜,陈柯帆,张步硕,曹芳波. 一种面向航空集群的无人机中继网络部署策略[J]. 计算机工程, 2018, 44(5): 107-112,123.
[11]	郭宝龙,王健,闫允一,宁伟康. 基于多目标PSO算法的DSP防护优化设计[J]. 计算机工程, 2018, 44(4): 74-80.
[12]	邱宁佳,李娜,胡小娟,王鹏,孙爽滋. 基于粒子群优化的朴素贝叶斯改进算法[J]. 计算机工程, 2018, 44(11): 27-32,39.
[13]	王菊,刘付显,靳春杰. 基于修正BPSO的通用模式指标上界估算方法[J]. 计算机工程, 2018, 44(10): 168-174.
[14]	欧阳超,陈志泊,孙国栋. Web服务组合QoS优化中的改进遗传算法[J]. 计算机工程, 2017, 43(8): 231-235,242.
[15]	王飞,王能河,张琼英,瞿少成,颜炯. 基于GA-PSO算法的ZigBee自组网最佳路由选择[J]. 计算机工程, 2017, 43(7): 75-79.

选择文件类型/文献管理软件名称

选择包含的内容

PSO算法在子任务分配中的应用

Application of Particle Swarm Optimization Algorithm in Subtask Allocation

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

模态框（Modal）标题

选择文件类型/文献管理软件名称

选择包含的内容

PSO算法在子任务分配中的应用

Application of Particle Swarm Optimization Algorithm in Subtask Allocation

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价