基于混合差分粒子群算法的MapReduce任务调度算法研究
在复杂网格环境下,MapReduce调度任务如何有效地利用共享可用资源实现最短的时间内完成分配任务,这样的任务分配问题是一个NP难题,提出一种混合差分粒子群算法(HDE-PSO)求解任务调度问题.新的混合差分-粒子群算法(HDE-PSO)引入了DE算法的突变和交叉算子,克服传统PSO算法容易陷入局部最优解的缺陷,以增加算法的全局寻优能力.通过实验证明该HDE-PSO算法比传统PSO和DE算法具有更好的收敛性和寻优能力,并能更充分的利用共享资源.
Hadoop、差分算法、粒子群算法、MapReduce
37
TP301(计算技术、计算机技术)
国家“八六三”高技术研究发展计划项目2013AA01A212;国家科技支撑计划项目2012BAH27F05;广东省自然基金项目S2012030006242
2016-10-25(万方平台首次上网日期,不代表论文的发表时间)
共3页
1479-1481