基于人工鱼群遗传算法的异构多核系统任务调度研究

J4 ›› 2014, Vol. 36 ›› Issue (10): 1866-1871.

基于人工鱼群遗传算法的异构多核系统任务调度研究

姚丽莎1，王占凤2，程家兴1

（1.安徽新华学院信息工程学院，安徽合肥 230088；
2.巢湖学院计算机与信息工程学院，安徽合肥 238000）

收稿日期:2012-12-05 修回日期:2013-04-18 出版日期:2014-10-25 发布日期:2014-10-25
基金资助:
安徽省教育厅自然科学研究项目(KJ2011Z157).

Research of tasks scheduling in heterogeneous multi-core
system based on artificial fish-swarm and genetic algorithm

YAO Lisha1，WANG Zhanfeng2，CHENG Jiaxing1

（1.Faculty of Information Engineering,Anhui Xinhua University,Hefei 230088；
2.Computer and Information Engineering Institute,Chaohu University,Hefei 238000,China）

Received:2012-12-05 Revised:2013-04-18 Online:2014-10-25 Published:2014-10-25

摘要/Abstract

摘要：

异构多核系统的任务调度问题已经被证明是一个NP完全问题。人工鱼群算法在算法初期具有较快的收敛速度，后期收敛较慢，而遗传算法的种群初始化具有较强的鲁棒性，初始化种群的质量直接影响着遗传算法的性能。本文提出了一种将人工鱼群算法与遗传算法相结合的任务调度算法，首先分析了异构多核系统的任务调度问题的本质，使用改进的人工鱼群算法来构建遗传算法的初始化种群，并使用改进的遗传算法进行迭代进化，从而提高了算法的收敛速度。

关键词: 人工鱼群算法, 遗传算法, 任务调度

Abstract:

Tasks scheduling for heterogeneous-multi-core processor system have been proved to be a NP complete problem. Artificial fish-swarm algorithm begins to converge quickly, then has slow convergence. It is robust for genetic algorithm to initialize population; the initialization of the first population affects the performance of genetic algorithm. Based on artificial fish-swarm and genetic algorithm, a task scheduling algorithm is proposed. Firstly, the tasks scheduling of heterogeneous multi-core system is analyzed. Secondly, the improved artificial fish-swarm Algorithm is used to construct the initial population of genetic algorithm. Finally, the improved genetic algorithm is applied to perform iterative optimization and it improves the convergence of algorithm.

Key words: artificial fish-swarm algorithm;genetic algorithm;tasks scheduling

姚丽莎1，王占凤2，程家兴1. 基于人工鱼群遗传算法的异构多核系统任务调度研究[J]. J4, 2014, 36(10): 1866-1871.

YAO Lisha1，WANG Zhanfeng2，CHENG Jiaxing1. Research of tasks scheduling in heterogeneous multi-core
system based on artificial fish-swarm and genetic algorithm [J]. J4, 2014, 36(10): 1866-1871.

[1]	李成冉, 方佳豪, 尹首一, 魏少军, 胡杨. 基于遗传算法的晶圆级芯片映射算法研究[J]. 计算机工程与科学, 2024, 46(06): 993-1000.
[2]	任晟岐, 宋伟. 基于GGInformer模型的多维时间序列特征提取与预测研究[J]. 计算机工程与科学, 2024, 46(04): 590-598.
[3]	孙庆骁, 刘轶, 杨海龙, 王一晴, 贾婕, 栾钟治, 钱德沛. GNNSched：面向GPU的图神经网络推理任务调度框架[J]. 计算机工程与科学, 2024, 46(01): 1-11.
[4]	孙睿男, 初翔, 陈昱, 闫明宁. 基于混合启发式算法的快递末端选址路径优化研究[J]. 计算机工程与科学, 2024, 46(01): 159-169.
[5]	郭艺, 何廷年, 李爱斌, 毛君宇. 融合GA-CART和Deep-IRT的知识追踪模型[J]. 计算机工程与科学, 2023, 45(09): 1691-1700.
[6]	谢俊标, 江峰, 杜军威, 赵军. 基于改进人工鱼群算法与RBF神经网络的股票价格预测[J]. 计算机工程与科学, 2022, 44(11): 2080-2090.
[7]	温瑞林, 樊春, 马银萍 , 王政丹, 向广宇 , 付振新. SlurmX：基于Slurm使用面向对象设计方法重构的任务调度系统[J]. 计算机工程与科学, 2022, 44(09): 1532-1541.
[8]	李文佳, 史岚, 季航旭, 罗意彭. 面向Flink的负载均衡任务调度算法的研究与实现[J]. 计算机工程与科学, 2022, 44(07): 1141-1151.
[9]	罗磊, 陈照云, 王俪璇. 用户QoS感知的GPU集群深度学习任务动态调度[J]. 计算机工程与科学, 2021, 43(08): 1331-1340.
[10]	毛媛媛, 石恩雅, 蒋从锋, 仇烨亮, 贾刚勇, 万健, 闫龙川. 基于遗传算法的数据中心能效仿真[J]. 计算机工程与科学, 2021, 43(08): 1341-1352.
[11]	胡新荣, 刘嘉文, 刘军平, 彭涛, 何儒汉, . 基于改进GA-BP-MC神经网络的人体三维尺寸预测[J]. 计算机工程与科学, 2021, 43(08): 1443-1453.
[12]	李静, 莫思敏 . 基于改进遗传算法的深度神经网络优化研究[J]. 计算机工程与科学, 2021, 43(08): 1503-1511.
[13]	杨坚伟, 孟敏, 黄家乐, 武继刚. 分布式训练异构任务调度算法研究[J]. 计算机工程与科学, 2021, 43(07): 1160-1167.
[14]	黄山, 房六一, 徐浩桐, 段晓东, . 面向容器环境的Flink的任务调度优化研究[J]. 计算机工程与科学, 2021, 43(07): 1173-1184.
[15]	李晶晶, 许少华. 基于组合核函数的径向基过程神经网络及其在示功图诊断中的应用[J]. 计算机工程与科学, 2021, 43(04): 746-752.