基于改进蚁群的异构平台负载均衡调度算法OA
Load Balancing Scheduling Algorithm for Heterogeneous Platform Based on Improved Ant Colony Optimization
针对目前异构平台中信号处理任务的调度算法单一、处理器资源浪费等问题,提出了一种面向异构系统的Q学习改进蚁群算法的负载均衡调度算法.算法针对计算密集型和通信密集型任务的不同需求,设计了分流排序法进行任务优先级排序;通过场景适配将Q学习和蚁群算法,与异构平台中的任务调度进行映射.通过奖励函数计算Q-Table,作为蚁群算法的初始信息素,加快了蚁群的收敛速度;根据处理器的实时负载,设计负载矩阵,实现了动态调整系统负载均衡;利用伪随机比例规则选择处理器,…查看全部>>
To address the problems of single scheduling algorithms and wasted processor resources for signal processing tasks in current heterogeneous platforms,a load balancing scheduling algorithm with Q-learning enhanced ant colony algorithm for heterogeneous systems is proposed.The algorithm is designed to prioritize tasks by a triage sorting method for the different needs of computation-inten-sive and communication-intensive tasks.Q-learning and ant colony a…查看全部>>
李宇东;马金全;胡泽明;岳春生;谢宗甫
信息工程大学,河南 郑州 450001||65022 部队,辽宁 沈阳 110000信息工程大学,河南 郑州 450001信息工程大学,河南 郑州 450001信息工程大学,河南 郑州 450001信息工程大学,河南 郑州 450001
电子信息工程
任务调度异构信号处理平台Q学习蚁群算法
task schedulingheterogeneous platformQ-learningant colony algorithm
《信息工程大学学报》 2024 (1)
30-38,9
评论