趙恪振
關鍵詞:云計算;人工蜂群算法;混沌因子;自適應k 鄰域;動態權重
中圖分類號:TP391 文獻標識碼:A 文章編號:1006-8228(2023)11-01-05
0 引言
由于云環境的復雜性和不確定性[1],傳統的資源調度算法難以滿足應用需求,因此,許多學者使用了群智能優化算法(如遺傳算法[2]、粒子群算法[3]、鯨魚算法[4]和人工蜂群算法[5]等)來解決云資源調度中的難題。其中,人工蜂群算法具有很好的全局搜索能力和適應性,但其存在收斂速度慢、易陷入局部最優等缺點。對其缺點的改進如:申子明[6]通過混合差分進化和叢林法則改進人工蜂群算法,實現虛擬機在主機間的負載均衡;位可冰[7]通過動態地維護一組數量固定的精英解,提取其有益信息來改進采蜜蜂的搜索方程,加快了算法收斂速度;鄭洲等人[8]提出基于任務聚類的人工蜂群算法,提高了觀察蜂選擇優秀蜜源的概率并增強了搜索廣度;常小剛[9]通過動態調整種群的搜索步長,前期重搜索,后期重開發,實驗結果顯示有著不錯的收斂精度和速度。
本文針對人工蜂群算法在資源調度中的問題,提出一種基于自適應k 鄰域搜索的人工蜂群算法;首先,引入混沌因子增強種群的多樣性;其次,結合動態因子與自適應k 鄰域搜索策略,動態控制鄰域范圍,最后利用局部和全局最優解信息及動態權重,調整步長以避免陷入局部最優。