【摘要】：由于云计算基础层的任务调度优化与节点的处理能力、处理时间、处理过程中的成本费用紧密相关，需要利用两方面的相关度表示蚁群算法的信息素，最终利用蚁群算法求解的高精度优势完成任务的调度优化。因此，在蚁群算法的改进中，充分考虑以上相关性，提出以下定义及求解内容。
上述遗传算法进行了全局快速搜索，以此作为蚁群算法的信息素初始值进行问题求解。由于云计算基础层的任务调度优化与节点的处理能力、处理时间、处理过程中的成本费用紧密相关，需要利用两方面的相关度表示蚁群算法的信息素，最终利用蚁群算法求解的高精度优势完成任务的调度优化。因此，在蚁群算法的改进中，充分考虑以上相关性，提出以下定义及求解内容。
定义4.7最小遗传次数Gmin，最大遗传次数Gmax，群体最小进化率re，表明群中子代向下一代进化的比率，在给定的迭代数量范围内，如果连续子代群体的进化率都小于re，说明这时遗传算法优化速度较低，终止遗传算法，进入蚁群算法。
定义4.8 定义信息素的初值为δp，如公式（4-25）所示：
其中，δc是一个根据具体求解问题规模给定的信息素常数，δg是遗传算法求解结果转换的信息素值。
遗传算法求解结果向信息素值转换：选取遗传算法终止时种群中适应值最好的前10%个体作为遗传优化解集合。(www.xing528.com)
定义4.9确定资源选择概率，在t时刻，任务被分配到每个资源上的概率表示为资源的分配度为pd，如公式（4-26）所示：
其中，∂1表示单位时间资源所能承受的任务数，G为适应度函数F的目标
函数，∂2为带宽在资源能见度中所占比例。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
