文献类型：期刊文章

作　　者：于国龙[1,2] 崔忠伟[1,2] 熊伟程[1,2] 赵勇[1,3] 左羽[1,2]

Yu Guolong;Cui Zhongwei;Xiong Weicheng;Zhao Yong;Zuo Yu(School of Mathematics and Computer Science,Guizhou Normal University,Guiyang 550018,Guizhou,China;Big Data Science and Intelligent Engineering Research Institute,Guizhou Normal University,Guiyang 550018,Guizhou,China;School of Information Engineering,Peking University Shenzhen Graduate School,Shenzhen 518000,Guangdong,China)

机构地区：[1]贵州师范学院数学与大数据学院,贵州贵阳550018 [2]贵州师范学院大数据科学与智能工程研究院,贵州贵阳550018 [3]北京大学深圳研究生院信息工程学院,广东深圳518000

出　　处：《计算机应用与软件》

基　　金：贵州省科学技术基金项目(黔科合基础[2016]1114号);国家科技部和国家自然科学基金奖励补助项目(黔科合平台人才[2017]5790-10);贵州省教育厅青年科技人才成长项目(黔教合KY字[2018]257);贵州省省级本科教学内容和课程体系改革项目(2017520065);贵州省省级重点学科“计算机科学与技术”(ZDXK[2018]007号);贵州省省级重点支持学科“计算机应用技术”(黔学位合字ZDXK[2016]20号)。

年　　份：2021

卷　　号：38

期　　号：11

起止页码：263-268

语　　种：中文

收录情况：BDHX、BDHX2020、IC、JST、ZGKJHX、核心刊

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。

关 键 词：QPSO 位置权重  云存储平台  任务调度

分 类 号：TP3[计算机类]