基于混合差分粒子群算法的MapReduce任务调度算法研究  

Research of Hybrid Differential Evolution and Particle Swarm Optimization Algorithm Using Map Reduce to Schedule Tasks

作　　者：徐俊[1,2] 汤庸[1] 刘道余 

机构地区：[1]华南师范大学计算机学院,广州510631 [2]广州无线电集团,广州广电运通金融电子股份有限公司,ATM研究院,广州510663

出　　处：《小型微型计算机系统》2016年第7期1479-1481,共3页Journal of Chinese Computer Systems

基　　金：国家“八六三”高技术研究发展计划项目(2013AA01A212)资助;国家科技支撑计划项目(2012BAH27F05)资助;广东省自然基金项目(S2012030006242)资助

摘　　要：在复杂网格环境下,MapReduce调度任务如何有效地利用共享可用资源实现最短的时间内完成分配任务,这样的任务分配问题是一个NP难题.提出一种混合差分粒子群算法(HDE-PSO)求解任务调度问题.新的混合差分-粒子群算法(HDEPSO)引入了DE算法的突变和交叉算子,克服传统PSO算法容易陷入局部最优解的缺陷,以增加算法的全局寻优能力.通过实验证明该HDE-PSO算法比传统PSO和DE算法具有更好的收敛性和寻优能力,并能更充分的利用共享资源.In the complex grid environment,MapReduce scheduling task howto effectively use available resources to complete assignments in the shortest time ultimately,such as task allocation problem is NP-hard. This paper proposes a hybrid Differential Evolution-Particle Swarm Optimization（ HDE-PSO） to solve scheduling problems. Novel hybrid Differential Evolution-Particle Swarm Optimization（ HDE-PSO） algorithm introduced DE＇s mutation and crossover,to overcome the traditional PSO algorithm is easy to fall into local optimum solution to increase the ability of global optimization algorithms. The experimental results showthat the HDEPSO algorithm has better convergence and optimization capability than traditional PSO and DE algorithm,and can make use of shared resources.

关 键 词：HADOOP 差分算法 粒子群算法 MAPREDUCE 

分 类 号：TP301[自动化与计算机技术—计算机系统结构]