在做畢設,第一次寫博客
第一步:粒子編碼
求解任務調度問題,首先要構建有效的粒子編碼方案,采用間接編碼方式,設編碼長度為子任務的個數,一個子任務對應一個資源節點。比如有10個子任務,5個計算節點,則粒子個體i的位置編碼可以表示為一個10維向量xi= {5,4,3,2,4,2,3,1,3,4},其第1位編碼是5表示任務t,在計算節點p5上執行,第2位編碼表示任務t2在計算節點p4上執行。
第二步:云計算下任務調度形式化表示
第三步,演算法流程
Step1:初始化引數,設定最大最小慣性權重值等引數,設定迭代次數為最大迭代次數;
Step2:根據上節設定的粒子編碼方式,隨機初始化粒子的位置與速度;對粒子的速度初始化為vi= xi。
Step3:計算每個粒子的適應度。
Step4:迭代次數t=1,執行調度。
Step5:將粒子x;其適應度值與按照經驗,與其經歷過的最好位置pbest的適應度值進行比較,若更優,則將x;記錄為該粒子經歷過的最好位置pbest。
Step6:將粒子x;其適應度值與按照經驗,與其經歷過的最好位置gbest的適應度值進行比較,若更優,則將x記錄為該粒子經歷過的最好位置gbest。
Step7:更新粒子 的速度與位置,更新過后的粒子的編碼序列范圍可能不符合本文所提出的編碼,因此采用絕對值取整求余映射法對更新后的位置進行再更新。
絕對值取整求余映射法原理是:當分配的計算節點p為[-m,m]的小數,則對其求絕對值后,向上取整;當范圍為(m,∞)或(-∞,-m),則對其求絕對值后,向_上取整,除m求余;范圍為0,則定義值為1。按照此方式來更新位置與速度。
Step8:更新粒子慣性權重。
Step9:若當前迭代次數小于最大迭代次數,跳轉到Step3繼續執行;未達.到則輸出gbest,演算法運行結束。
參考文獻:姜巖論文
uj5u.com熱心網友回復:
參考 樓主 qq_38001584的回復: 在做畢設,第一次寫博客
第一步:粒子編碼
求解任務調度問題,首先要構建有效的粒子編碼方案,采用間接編碼方式,設編碼長度為子任務的個數,一個子任務對應一個資源節點。比如有10個子任務,5個計算節點,則粒子個體i的位置編碼可以表示為一個10維向量xi= {5,4,3,2,4,2,3,1,3,4},其第1位編碼是5表示任務t,在計算節點p5上執行,第2位編碼表示任務t2在計算節點p4上執行。
第二步:云計算下任務調度形式化表示
第三步,演算法流程
Step1:初始化引數,設定最大最小慣性權重值等引數,設定迭代次數為最大迭代次數;
Step2:根據上節設定的粒子編碼方式,隨機初始化粒子的位置與速度;對粒子的速度初始化為vi= xi。
Step3:計算每個粒子的適應度。
Step4:迭代次數t=1,執行調度。
Step5:將粒子x;其適應度值與按照經驗,與其經歷過的最好位置pbest的適應度值進行比較,若更優,則將x;記錄為該粒子經歷過的最好位置pbest。
Step6:將粒子x;其適應度值與按照經驗,與其經歷過的最好位置gbest的適應度值進行比較,若更優,則將x記錄為該粒子經歷過的最好位置gbest。
Step7:更新粒子 的速度與位置,更新過后的粒子的編碼序列范圍可能不符合本文所提出的編碼,因此采用絕對值取整求余映射法對更新后的位置進行再更新。
絕對值取整求余映射法原理是:當分配的計算節點p為[-m,m]的小數,則對其求絕對值后,向上取整;當范圍為(m,∞)或(-∞,-m),則對其求絕對值后,向_上取整,除m求余;范圍為0,則定義值為1。按照此方式來更新位置與速度。
Step8:更新粒子慣性權重。
Step9:若當前迭代次數小于最大迭代次數,跳轉到Step3繼續執行;未達.到則輸出gbest,演算法運行結束。
參考文獻:姜巖論文
有沒有大家在做這個演算法,交流一下
uj5u.com熱心網友回復:
博主。你這個演算法弄出來了嗎
uj5u.com熱心網友回復:
參考 樓主 qq_38001584的回復: 在做畢設,第一次寫博客
第一步:粒子編碼
求解任務調度問題,首先要構建有效的粒子編碼方案,采用間接編碼方式,設編碼長度為子任務的個數,一個子任務對應一個資源節點。比如有10個子任務,5個計算節點,則粒子個體i的位置編碼可以表示為一個10維向量xi= {5,4,3,2,4,2,3,1,3,4},其第1位編碼是5表示任務t,在計算節點p5上執行,第2位編碼表示任務t2在計算節點p4上執行。
第二步:云計算下任務調度形式化表示
第三步,演算法流程
Step1:初始化引數,設定最大最小慣性權重值等引數,設定迭代次數為最大迭代次數;
Step2:根據上節設定的粒子編碼方式,隨機初始化粒子的位置與速度;對粒子的速度初始化為vi= xi。
Step3:計算每個粒子的適應度。
Step4:迭代次數t=1,執行調度。
Step5:將粒子x;其適應度值與按照經驗,與其經歷過的最好位置pbest的適應度值進行比較,若更優,則將x;記錄為該粒子經歷過的最好位置pbest。
Step6:將粒子x;其適應度值與按照經驗,與其經歷過的最好位置gbest的適應度值進行比較,若更優,則將x記錄為該粒子經歷過的最好位置gbest。
Step7:更新粒子 的速度與位置,更新過后的粒子的編碼序列范圍可能不符合本文所提出的編碼,因此采用絕對值取整求余映射法對更新后的位置進行再更新。
絕對值取整求余映射法原理是:當分配的計算節點p為[-m,m]的小數,則對其求絕對值后,向上取整;當范圍為(m,∞)或(-∞,-m),則對其求絕對值后,向_上取整,除m求余;范圍為0,則定義值為1。按照此方式來更新位置與速度。
Step8:更新粒子慣性權重。
Step9:若當前迭代次數小于最大迭代次數,跳轉到Step3繼續執行;未達.到則輸出gbest,演算法運行結束。
參考文獻:姜巖論文
樓主可以加一下你的聯系方式?
uj5u.com熱心網友回復:
有沒有代碼可以給看看呢
uj5u.com熱心網友回復:
參考 4 樓 一個BUG# 的回復: 有沒有代碼可以給看看呢
請問找到代碼了嗎
uj5u.com熱心網友回復:
參考 5 樓 h_17 的回復: Quote: 參考 4 樓 一個BUG# 的回復:
有沒有代碼可以給看看呢
請問找到代碼了嗎沒有欸,你有嗎
uj5u.com熱心網友回復:
參考 6 樓 一個BUG# 的回復: Quote: 參考 5 樓 h_17 的回復:
Quote: 參考 4 樓 一個BUG# 的回復:
有沒有代碼可以給看看呢
請問找到代碼了嗎 沒有欸,你有嗎
我也沒有
轉載請註明出處,本文鏈接:https://www.uj5u.com/qita/15665.html
標籤:虛擬化
上一篇:DELL R720的硬碟活動指示燈周期性常亮問題
下一篇:求助一個SPARK dataframe 的轉換程式