文章目录

0 引 言

1 QPSO模型

2 QPSO粒子平均最优位置决策优化

3 性能测试

4 基于优化QPSO的大数据云存储调度模型

5 仿真及结果分析

5.1 任务数量对云平台任务调度效率的影响

5.2 资源数量对云平台任务调度效率的影响

6 结 语

文章摘要:为了提升量子粒子群算法（QPSO）的全局收敛性及收敛效率,优化QPSO的全局最优位置计算方法。通过计算粒子当前适应度值与历史最高适应度值的差值占所有粒子适应度差值和的比重,来作为全局最优位置计算中各粒子局部最优位置的权重。粒子的寻优能力越强,其局部最优位置在全局最优位置计算中所占的权重就越高,使得粒子迅速向优秀粒子靠拢。将优化后的QPSO应用于大数据云存储平台的任务调度中。仿真实验表明,优化后的QPSO具有高效的全局搜索性能,能快速地为大数据云存储平台提供最佳任务调度策略。

文章关键词:

项目基金: