• 中国精品科技期刊
  • CCF推荐A类中文期刊
  • 计算领域高质量科技期刊T1类
高级检索

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

李学俊, 徐佳, 朱二周, 张以文. 任务调度算法中新的自适应惯性权重计算方法[J]. 计算机研究与发展, 2016, 53(9): 1990-1999. DOI: 10.7544/issn1000-1239.2016.20151175
引用本文: 李学俊, 徐佳, 朱二周, 张以文. 任务调度算法中新的自适应惯性权重计算方法[J]. 计算机研究与发展, 2016, 53(9): 1990-1999. DOI: 10.7544/issn1000-1239.2016.20151175
shu
Li Xuejun, Xu Jia, Zhu Erzhou, Zhang Yiwen. A Novel Computation Method for Adaptive Inertia Weight of Task Scheduling Algorithm[J]. Journal of Computer Research and Development, 2016, 53(9): 1990-1999. DOI: 10.7544/issn1000-1239.2016.20151175
Citation: Li Xuejun, Xu Jia, Zhu Erzhou, Zhang Yiwen. A Novel Computation Method for Adaptive Inertia Weight of Task Scheduling Algorithm[J]. Journal of Computer Research and Development, 2016, 53(9): 1990-1999. DOI: 10.7544/issn1000-1239.2016.20151175
shu
李学俊, 徐佳, 朱二周, 张以文. 任务调度算法中新的自适应惯性权重计算方法[J]. 计算机研究与发展, 2016, 53(9): 1990-1999. CSTR: 32373.14.issn1000-1239.2016.20151175
引用本文: 李学俊, 徐佳, 朱二周, 张以文. 任务调度算法中新的自适应惯性权重计算方法[J]. 计算机研究与发展, 2016, 53(9): 1990-1999. CSTR: 32373.14.issn1000-1239.2016.20151175
shu
Li Xuejun, Xu Jia, Zhu Erzhou, Zhang Yiwen. A Novel Computation Method for Adaptive Inertia Weight of Task Scheduling Algorithm[J]. Journal of Computer Research and Development, 2016, 53(9): 1990-1999. CSTR: 32373.14.issn1000-1239.2016.20151175
Citation: Li Xuejun, Xu Jia, Zhu Erzhou, Zhang Yiwen. A Novel Computation Method for Adaptive Inertia Weight of Task Scheduling Algorithm[J]. Journal of Computer Research and Development, 2016, 53(9): 1990-1999. CSTR: 32373.14.issn1000-1239.2016.20151175
shu

任务调度算法中新的自适应惯性权重计算方法

  • (安徽大学计算机科学与技术学院 合肥 230601) (xjli@ahu.edu.cn)

基金项目: 国家自然科学基金项目(61300169)；安徽省教育厅自然科学研究重点项目(KJ2016A024)
详细信息

  • 中图分类号: TP391

A Novel Computation Method for Adaptive Inertia Weight of Task Scheduling Algorithm

  • (School of Computer Science and Technology, Anhui University, Hefei 230601)

摘要

    摘要
  • 摘要: 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%.
    Abstract: Particle swarm optimization (PSO) is a primary intelligence algorithm to solve task scheduling problem for workflow systems in cloud computing. The inertia weight is one of the most important parameters to achieve a balance between the global and local search in PSO algorithm. However, traditional adaptive inertia weight-based PSO task scheduling algorithms usually get local optimal and cause longer execution time and higher cost for scheduling plan. The traditional adaptive inertia weight does not comprehensively represent the information of particle position, and then cannot make a suitable balance between global and local search. Hence, a novel computation method for adaptive inertia weight is proposed to improve the computation method of success value of each particle. This method shows the position state of each particle more accurately and then improves the adaptability of inertia weight by comparing the fitness of each particle with the global best particle. Then a new inertia weight-based PSO algorithm is presented to solve task scheduling problem for cloud workflow systems. The novel weight can adjust the particle velocity more correctly so that the algorithm avoids premature convergence by a proper balance between local and global search. Comparing our new adaptive inertia weight with other five traditional inertia weights (viz. constant, index decreasing, linear decreasing, random, and adaptive inertia weight), the results show that our new adaptive inertia weight-based scheduling algorithm can always achieve stable convergence speed, the optimal fitness and execution cost of the scheduling plan (i.e. roughly 18% reduction of execution cost).
    • HTML全文
    • 参考文献(0)
    • 相关文章
    • 施引文献(62)

  • 期刊类型引用(19)

    1. 董胡，陈伟，彭高丰，陈耀东，刘刚. 基于信号子空间和DNN的语音增强方法. 微型电脑应用. 2025(01): 32-34+38 . 百度学术
    2. 李世其，周雨玫，郑旋烨，刘裔斌. 复杂噪声环境下服务机器人语音增强算法研究. 传感器与微系统. 2025(04): 35-39 . 百度学术
    3. 王向辉，李梅，田旭华，王姣，谭歆，路东东. 短时傅里叶变换域最优非因果滤波器和滤波矩阵降噪算法. 陕西科技大学学报. 2024(02): 164-173+197 . 百度学术
    4. 尤昕源，王恒. 基于门控膨胀卷积循环网络的单声道语音增强. 计算机应用. 2024(04): 1317-1324 . 百度学术
    5. 莫尚斌，王文君，董凌，高盛祥，余正涛. 基于多路信息聚合协同解码的单通道语音增强. 计算机应用. 2024(08): 2611-2617 . 百度学术
    6. 缪悦. 时频域变换技术在语音降噪中的应用. 电声技术. 2024(12): 92-94+100 . 百度学术
    7. 李鑫元，黄鹤鸣. 基于并行卷积循环网络的单通道语音增强系统. 计算机工程与设计. 2023(04): 1181-1188 . 百度学术
    8. 文丽萍. 噪声环境下基于小波变换的普通话智能测试系统设计. 自动化与仪器仪表. 2023(05): 153-157 . 百度学术
    9. 刘汾港，马建芬，张朝霞. 基于离散余弦变换与Transformer的语音增强. 计算机工程与设计. 2023(06): 1893-1898 . 百度学术
    10. 徐浩森，姜囡，齐志坤. 基于注意力机制的卷积循环网络语音降噪. 科学技术与工程. 2022(05): 1950-1957 . 百度学术
    11. 李小平，白超. 一种基于多模态信息融合的火车司机疲劳驾驶检测方法. 铁道学报. 2022(06): 56-65 . 百度学术
    12. 胡勉宁，李欣，李明锋，孙海春. 面向诈骗短信息识别的融合多策略数据增强技术研究. 信息网络安全. 2022(10): 121-128 . 百度学术
    13. 孙立辉，曹丽静，张竟雄. 基于升降编解码全卷积神经网络语音增强技术. 智能计算机与应用. 2021(02): 19-22 . 百度学术
    14. 刘元，匡文凯，苏盛，李彬. 基于双通道能量差的环网柜局放信号消噪方法. 仪器仪表学报. 2021(02): 218-227 . 百度学术
    15. 台文鑫，王钇翔，李森，蓝天，刘峤. 基于动态选择机制的低信噪比单声道语音增强算法. 计算机应用研究. 2021(09): 2604-2608 . 百度学术
    16. 祁晓，赵连玉. 基于多频带谱减法的老年人语音增强算法的研究. 电声技术. 2020(05): 34-37 . 百度学术
    17. 梁力，莫晓毅，柯华强. 基于语音识别技术的测试平台研究. 科技视界. 2020(31): 17-18 . 百度学术
    18. 曹洁，周尧风，于泓，李晓旭. 基于SI-SDR优化的生成对抗网络语音增强方法. 华中科技大学学报(自然科学版). 2020(11): 17-23 . 百度学术
    19. 许春冬，徐琅，周滨，凌贤鹏. 单通道语音增强技术的研究现状与发展趋势. 江西理工大学学报. 2020(05): 55-64 . 百度学术

    其他类型引用(43)

    • 资源附件(0)
计量
  • 文章访问数:  1777
  • HTML全文浏览量:  1
  • PDF下载量:  890
  • 被引次数: 62
出版历程
  • 发布日期:  2016-08-31

目录

摘要
HTML全文
    参考文献(0)
    相关文章
    施引文献(62)
    资源附件(0)

    /

    返回文章
    返回
    邮件订阅 RSS
    微信订阅号<br/>（实时资讯）

    微信订阅号
    （实时资讯）

    微信服务号<br/>（同步网站）

    微信服务号
    （同步网站）

    微信视频号<br/>（视频分享）

    微信视频号
    （视频分享）

    CCF<br/>（扫码入会）

    CCF
    （扫码入会）

    版权所有 © 《计算机研究与发展》编辑部

    本系统由北京仁和汇智信息技术有限公司开发  百度统计