蝗蟲優(yōu)化算法是一種元啟發(fā)式優(yōu)化算法,能夠用于解決任務(wù)調(diào)度問題。已有的改進蝗蟲優(yōu)化算法缺乏隨機性,跳出局部最優(yōu)的能力較弱,改進效果不夠顯著。針對這一問題,本文提出一種基于Levy飛行的改進蝗蟲優(yōu)化算法（LBGOA）。該算法引入基于Levy飛行的局部搜索機制增強算法的隨機性,并采用基于線性遞減參數(shù)的隨機跳出策略來提高算法跳出局部最優(yōu)的能力。CEC測試實驗結(jié)果表明,所提出的算法擁有較強的搜索能力,在30個測試函數(shù)結(jié)果中能夠獲得17個最優(yōu)解和6個次優(yōu)解。將所提出的改進算法應(yīng)用于邊緣計算中的任務(wù)調(diào)度問題。任務(wù)調(diào)度仿真實驗結(jié)果表明,所提出的算法能夠有效提高搜索效果,相比GOA、OBLGOA、WOA、ALO、DA和PSO算法,LBGOA的搜索效果分別提升7. 4%、7. 5%、4. 8%、27. 7%、29. 9%和20. 7%。 

【文章來源】：計算機與現(xiàn)代化. 2020,(01)

【文章頁數(shù)】：7 頁

【文章目錄】：
0 引言
1 蝗蟲優(yōu)化算法
2 基于Levy飛行改進蝗蟲優(yōu)化算法
    2.1 基于Levy飛行的局部搜索機制
    2.2 基于線性遞減參數(shù)的隨機跳出策略
    2.3 基于Levy飛行的改進蝗蟲算法流程
3 實驗結(jié)果及分析
    3.1 CEC測試實驗設(shè)置
    3.2 實驗結(jié)果
4 LBGOA應(yīng)用于任務(wù)調(diào)度問題
    4.1 任務(wù)調(diào)度問題描述
    4.2 任務(wù)調(diào)度問題實驗設(shè)置
5 結(jié)束語


【參考文獻】：
期刊論文
[1]基于并行化蟻群算法的網(wǎng)絡(luò)測量節(jié)點選取算法[J]. 郝航,金躍輝,楊談.  網(wǎng)絡(luò)新媒體技術(shù). 2018(01)
[2]一種面向網(wǎng)絡(luò)邊緣任務(wù)調(diào)度問題的多方向粒子群優(yōu)化算法[J]. 喬楠楠,尤佳莉.  計算機應(yīng)用與軟件. 2017(04)
[3]AAFSA-RA:一種采用高級人工魚群算法的多資源分配方法[J]. 桓自強,倪宏,胡琳琳,郭志川.  西安交通大學(xué)學(xué)報. 2014(10)



本文編號：3613295