基于格分布方差的多目标云工作流调度算法

提出了基于格分布方差的多目标云工作流调度算法和差粒子自学习策略。首先,考虑任务调度的特性,进行粒子编码离散化。其次,利用 Pareto 最优工作流调度解集映射到自适应网格坐标系的策略,计算网格坐标系中每个Pareto最优解的格分布量。再次,采用格分布方差评估当前Pareto前端的多样性程度,并动态调整进化策略。最后,设计了差粒子自学习策略。仿真实验表明,通过该算法得到的工作流调度解集,在IGD和S性能指标上均优于MOPSO算法,在最优值方面优于ε-FDPSO和NSGA-II算法。