[发明专利]一种基于改进烟花算法在CMP架构下的任务调度方法

说明书

本发明属于数学技术领域，具体涉及可以提高执行效率的一种基于改进烟花算法在CMP架构下的任务调度方法。本方法包括如下步骤：将CMP任务调度问题中的N个任务调度序列映射为N个烟花，初始化；计算每个烟花的适应度值、爆炸半径和爆炸火花数；进行爆炸和高斯变异；将超出可行域的烟花映射回可行域内；将烟花按照适应度值进行升序排序；将适应度值最小的烟花选择为下一代烟花。本发明将改进的烟花算法用于CMP任务调度问题中，使得执行完全部任务所用时间最短，有效的提高了CMP架构下任务的执行效率。

技术领域

本发明属于数学技术领域，具体涉及可以提高执行效率的一种基于改进烟花算法在CMP架构下的任务调度方法。

背景技术

受内核间的硬件资源共享和任务间的依赖关系影响，有依赖的CMP任务调度容易产生资源争用，使得多核处理器吞吐率下降，并行性、高效性得不到有效发挥。

CMP任务调度问题是一类NP完全的组合优化问题。目前，在任务调度问题上应用较多的组合优化算法是遗传算法(Genetic Algorithm，GA)，但遗传算法容易“早熟”，并且由于其复杂的交叉变异操作，算法的时间复杂度和执行效率容易受到任务数量影响，导致任务调度结果不能满足实际需求。

烟花算法(Fireworks Algorithm,FWA)是我国著名的谭营教授在2010年首次提出的一种群体智能算法，是根据自然界中烟花爆炸现象抽象出的一种数学模型，通过引入随机因素和选择策略形成一种并行爆炸式搜索方式，成为能够求解复杂优化问题最优解的全局概率搜索方法。烟花算法开始迭代，依次利用爆炸算子、变异算子、映射规则和选择策略，直到达到终止条件，即满足问题的精度要求或者达到最大函数评估次数。

烟花算法的实现包括如下的几个步骤：

1)在特定的解空间中随机产生一些烟花，每一个烟花代表解空间的一个解。

2)根据适应度函数计算每一个烟花的适应度值，并根据适应度值产生火花。火花的个数是基于免疫学中的免疫浓度的思想来计算的，即适应度值越好的烟花产生火花的数目越多。

3)根据现实中的烟花属性并结合搜索问题的实际情况，在烟花的辐射空间内产生火花。某个烟花的爆炸幅度的大小由该烟花在函数上的适应度值决定，适应度值越大，爆炸幅度越大，反之亦然。每一个火花代表解空间中的一个解。为了保证种群的多样性，需要对烟花进行适当变异，如高斯变异。

4)计算种群的最优解，判断适应度值是否趋于平稳或是否达到最大迭代次数，如果是则停止搜索，否则继续迭代。

烟花算法也存在着收敛速度慢，容易陷入局部最优解的缺点，为了优化这些缺点，本发明在选择策略方面考虑适应度值来选择下一代烟花，增强了算法的搜索能力与收敛速度。。

发明内容

本发明的目的在于提供一种基于改进烟花算法在CMP架构下的任务调度方法。

本发明的目的是这样实现的：

一种基于改进烟花算法在CMP架构下的任务调度方法，包括如下步骤：

步骤1：将CMP任务调度问题中的N个任务调度序列映射为N个烟花，初始化后随机生成N个烟花的位置向量；

步骤2：计算每个烟花的适应度值、爆炸半径和爆炸火花数；

步骤3：进行爆炸和高斯变异；

步骤4：将超出可行域的烟花映射回可行域内；

步骤5：将烟花按照适应度值进行升序排序；

步骤6：将适应度值最小的烟花选择为下一代烟花；