[01566847]文化遗传优化算法及云计算资源调度研究

本项目提出了以一种采用种群空间和信仰空间的双层进化结构进行寻优文化云计算资源调度策略其基本思想就是将一个用户作业分为多任务,然后将作业的任务分配到各个集群环境机器上去执行。在现有的调度策略中,尤其是在有着大量用户作业和面对一个拥有规模庞大的集群机器的情况下更加难以达到比较理想的目的;其次这种预先设置的方式往往忽略了作业在实际运行时的资源使用情况,结果可能会导致原先以为是正确的设置反而导致了资源过载从而任务无法完成的情况。 本课题针对提出了以一种采用种群空间和信仰空间的双层进化结构进行寻优文化遗传算法,并把该算法应用到资源调度进行验证。该算法针对调度问题的特点,以遗传算法为主群体空间,利用优良调度方案的知识信息构成信仰空间。为充分利用父代个体的优良特征加速收敛,算法采取不同的策略在主群体空间中指导遗传操作,在选择操作中引入k 近邻法的思想进行动态学习,在变异操作中通过选择合适的变异点进行邻域搜索变异。使得云计算环境下在资源调度的效率和质量上均具有较好的效果,从而解决现有调度策略的不足。在该模型中,通过与其他模型在采用相同的测试任务中各项数据指标的比较分析,预期达到的主要目标是减少任务执行时间,集群中负载较均衡。同时运用遗传算法中的相关思想（包括变异、选择、交叉等）对其它一些智群算法（布谷鸟算法,蝙蝠算法）进行了改进,并运用到它优化广义回归神经网络和灰色神经网络,在对城市需水量、没与瓦斯突出爆炸的预测中效果良好。 目前通过本课题的研究发表了8篇论文,其中5篇北大核心,1篇CSCD（含扩展版）核心,EI源刊收录2篇。