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:
高效的调度方法促使云计算更快更好地服务,一般采用优化算法来解决云计算中的调度问题.将布谷鸟搜索(CS)和粒子群优化(PSO)两种算法相结合,提出多目标布谷鸟粒子群优化算法(MO-CPSO),主要目的是提高云计算的服务质量.使用Cloudsim仿真工具对MO-CPSO算法的性能进行了评估.仿真结果表明,与CS、ACO和Min-Min算法相比,MO-CPSO算法使makespan、开销和截止时间违背率均最小.
推荐文章
云环境中基于布谷鸟搜索算法的多目标任务调度方案
云计算
布谷鸟搜索
多目标优化
任务调度
莱维飞行
基于粒子群算法的布谷鸟搜索算法
布谷鸟搜索
Levy飞行
粒子群优化算法
基于克隆布谷鸟算法的资源均衡优化
克隆布谷鸟算法
Levy变异
非均匀变异
资源均衡优化
基于混合布谷鸟算法的图像阈值分割
布谷鸟算法
粒子群算法
阈值分割方法
OTSU法
全阈值迭代
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 布谷鸟粒子群优化算法的多目标任务调度
来源期刊 信息技术 学科 工学
关键词 云计算 任务调度 MO-CPSO 多目标优化
年,卷(期) 2020,(5) 所属期刊栏目 基金项目
研究方向 页码范围 37-40
页数 4页 分类号 TP301.6
字数 2822字 语种 中文
DOI 10.13274/j.cnki.hdzj.2020.05.008
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 何婧媛 延安大学数学与计算机科学学院 23 35 4.0 5.0
2 孙乾坤 延安大学数学与计算机科学学院 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (77)
共引文献  (17)
参考文献  (13)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1973(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(3)
  • 参考文献(0)
  • 二级参考文献(3)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(3)
  • 参考文献(0)
  • 二级参考文献(3)
2010(3)
  • 参考文献(0)
  • 二级参考文献(3)
2011(5)
  • 参考文献(0)
  • 二级参考文献(5)
2012(5)
  • 参考文献(0)
  • 二级参考文献(5)
2013(16)
  • 参考文献(0)
  • 二级参考文献(16)
2014(12)
  • 参考文献(0)
  • 二级参考文献(12)
2015(9)
  • 参考文献(2)
  • 二级参考文献(7)
2016(6)
  • 参考文献(0)
  • 二级参考文献(6)
2017(8)
  • 参考文献(4)
  • 二级参考文献(4)
2018(8)
  • 参考文献(2)
  • 二级参考文献(6)
2019(5)
  • 参考文献(5)
  • 二级参考文献(0)
2020(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)
研究主题发展历程
节点文献
云计算
任务调度
MO-CPSO
多目标优化
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
信息技术
月刊
1009-2552
23-1557/TN
大16开
哈尔滨市南岗区黄河路122号
14-36
1977
chi
出版文献量(篇)
11355
总下载数(次)
31
论文1v1指导