基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为了在ad-hoc移动朵云中高效率地解决任务分配这一核心问题,提出了一种基于启发式算法的任务分配算法.粒子群优化和模拟退火优化的任务分配算法(PSO-SA)将任务之间的依赖关系转化为有向无环图(DAG)模型,其中各个节点上的数值表示任务产生的负载,DAG的各个边的数值表示传输产生的负载.为了模拟ad-hoc移动朵云的任务分配环境,建立了数学模型来描述各个子任务之间的依赖关系并定义各个子任务的卸载成本.PSO-SA用于任务分配决策并最小化所有移动设备的成本,能耗和时间延迟同时作为卸载成本.PSO-SA结合了粒子群优化和模拟退火优化的优势,通过以一定概率选取最优解的方式,避免算法过早落入局部最优解,同时保证算法收敛速度.仿真结果表明,与其他现有算法相比,PSO-SA算法产生的卸载成本较低并且其结果可以非常接近最优解.
推荐文章
基于模拟退火遗传算法的多agent系统任务分配
多智能体系统
任务分配
模拟退火
遗传算法
基于粒子群模拟退火算法的协同制造任务链构建
网络化制造
任务分配
多目标
粒子群
模拟退火
Ad hoc云中基于移动预测的多准则任务卸载算法
Adhoc云
多准则
任务卸载
时间序列分析
层次分析法
基于多目标粒子群优化算法的装备维修任务分配
多目标优化问题
粒子群算法
装备维修任务分配
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 Ad-hoc移动朵云中基于粒子群优化和模拟退火优化的任务分配算法
来源期刊 东南大学学报(英文版) 学科 工学
关键词 ad-hoc移动朵云 任务分配算法 有向无环图 粒子群优化 模拟退火优化
年,卷(期) 2018,(4) 所属期刊栏目
研究方向 页码范围 430-438
页数 9页 分类号 TN929.5
字数 1044字 语种 英文
DOI 10.3969/j.issn.1003-7985.2018.04.003
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 沈连丰 东南大学移动通信国家重点实验室 228 1980 22.0 34.0
2 张静 东南大学移动通信国家重点实验室 57 748 13.0 26.0
3 夏玮玮 东南大学移动通信国家重点实验室 45 511 10.0 21.0
4 燕锋 东南大学移动通信国家重点实验室 9 24 3.0 4.0
5 章跃跃 东南大学移动通信国家重点实验室 4 9 2.0 3.0
6 黄博南 东南大学移动通信国家重点实验室 3 3 1.0 1.0
7 邹倩 东南大学移动通信国家重点实验室 4 9 1.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (6)
节点文献
引证文献  (1)
同被引文献  (0)
二级引证文献  (0)
1998(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(2)
  • 参考文献(2)
  • 二级参考文献(0)
2018(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
ad-hoc移动朵云
任务分配算法
有向无环图
粒子群优化
模拟退火优化
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
东南大学学报(英文版)
季刊
1003-7985
32-1325/N
大16开
南京四牌楼2号
1984
eng
出版文献量(篇)
2004
总下载数(次)
1
总被引数(次)
8843
论文1v1指导