Un algoritmo mejorado de PSO para la programación de tareas de flujo de trabajo en la computación en la nube
Autores: Anbarkhan, Samar Hussni; Rakrouki, Mohamed Ali
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Un algoritmo mejorado de PSO para la programación de tareas de flujo de trabajo en la computación en la nube
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Eléctrica y Electrónica
Palabras clave
Propuesto
Optimización por enjambre de partículas
Tareas de flujo de trabajo
Entorno de computación en la nube
Velocidad de convergencia
Rendimiento.
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 48
Citaciones: Sin citaciones
Este documento propone un algoritmo mejorado de Optimización por Enjambre de Partículas (PSO) para abordar el problema de que el tiempo y el costo del algoritmo PSO son bastante altos al programar tareas de flujo de trabajo en un entorno de computación en la nube. Para reducir las dimensiones de las partículas y garantizar la calidad inicial de las partículas, se combinan tareas intensivas al programar las tareas de flujo de trabajo. Luego, la inicialización de partículas se optimiza para garantizar una mejor calidad inicial de las partículas y reducir el espacio de búsqueda. Posteriormente, se integra una función autoadaptativa adecuada para determinar la mejor dirección de las partículas. Los experimentos muestran que el algoritmo mejorado propuesto de PSO tiene una velocidad de convergencia mejor y un mejor rendimiento en la ejecución de tareas de flujo de trabajo.
Descripción
Este documento propone un algoritmo mejorado de Optimización por Enjambre de Partículas (PSO) para abordar el problema de que el tiempo y el costo del algoritmo PSO son bastante altos al programar tareas de flujo de trabajo en un entorno de computación en la nube. Para reducir las dimensiones de las partículas y garantizar la calidad inicial de las partículas, se combinan tareas intensivas al programar las tareas de flujo de trabajo. Luego, la inicialización de partículas se optimiza para garantizar una mejor calidad inicial de las partículas y reducir el espacio de búsqueda. Posteriormente, se integra una función autoadaptativa adecuada para determinar la mejor dirección de las partículas. Los experimentos muestran que el algoritmo mejorado propuesto de PSO tiene una velocidad de convergencia mejor y un mejor rendimiento en la ejecución de tareas de flujo de trabajo.