(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211218829.X (22)申请日 2022.10.07 (71)申请人 南京邮电大 学 地址 210003 江苏省南京市 鼓楼区新模范 马路66号 (72)发明人 张登银　季毛毛　赵莹　 (74)专利代理 机构 南京纵横知识产权代理有限 公司 32224 专利代理师 董建林 (51)Int.Cl. G06F 9/48(2006.01) G06F 9/50(2006.01) G06N 3/00(2006.01) (54)发明名称 一种基于改进粒子群优化算法的任务调度 方法 (57)摘要 本发明公开了一种基于改进粒子群优化算 法的任务调度方法， 包括如下步骤， 获取待调度 的任务数据， 根据所述任务数据进行粒子编码； 通过粒子群优化算法对所述粒子进行迭代计算； 其中， 若所述粒子群优化算法未陷入局部最优 解， 则直接输出调度方案； 若所述粒子群优化算 法陷入局部最优解， 则采用粒子群优化算法融合 布谷鸟搜索算法的方式， 输出调度方案。 在粒子 群优化算法陷入局部最优解时引入布谷鸟搜索 算法， 解决了粒子群优化算法陷入局部最优解的 困境， 同时提高了算法的全局搜索能力。 权利要求书2页 说明书5页 附图3页 CN 115454611 A 2022.12.09 CN 115454611 A 1.一种基于改进粒子群优化 算法的任务调度方法， 其特 征是， 包括如下步骤， 获取待调度的任务数据， 根据所述任务数据进行 粒子编码； 通过粒子群优化算法对所述粒子进行迭代计算； 其中， 若所述粒子群优化算法未陷入 局部最优解， 则直接输出调 度方案； 若 所述粒子群优化算法陷入局部最优解， 则采用粒子群 优化算法融合布谷鸟搜索算法的方式， 输出调度方案 。 2.根据权利要求1所述的基于改进粒子群优化算法的任务调度方法， 其特征是， 所述任 务数据包括任务的数量和处 理节点的数量； 所述粒子的编码方式如下： Pi＝{pi1， pi2， ...， pij， ...， pin}， 其中， Pi为第i个粒子的编码方式， pij代表第i个调度方案中第j个任务调度到的处理节 点， n为任务的数量， 1≤i≤N， N为粒子种群规模； 初始化时， pij的取值范围为0≤pij≤m， m为 处理节点的数量。 3.根据权利要求2所述的基于改进粒子群优化算法的任务调度方法， 其特征是， 粒子群 优化算法陷入局部最优解的判定方式包括： 获取粒子一次迭代的变化 量和平均变化 量， 得到该次所有粒子变化 量的方差值； 将粒子按照迭代变化 量的大小升序排序， 选取并计算前 X个粒子变化 量的方差值； 比较所有粒子变化量的方差值和前X个粒子变化量的方差值； 其中， 若所有粒子变化量 的方差值大于前X个粒子变化量的方差值， 则判定粒子群优化算法陷入局部最优解， 反之则 判定粒子群优化 算法未陷入局部最优解。 4.根据权利要求3所述的基于改进粒子群优化算法的任务调度方法， 其特征是， 所述所 有粒子变化 量的方差值的表达式如下： 其中， 为第t次所有粒子变化量的方差值， 为第t次粒子迭代的变化量， ΔPt为第t 次粒子迭代的平均变化 量。 5.根据权利要求3所述的基于改进粒子群优化算法的任务调度方法， 其特征是， 所述前 X个粒子变化 量的方差值的表达式如下： 其中， 为第t次前X个 粒子变化量的方差值， 为第t次粒子迭代的变化量， ΔPt为第t 次粒子迭代的平均变化 量。 6.根据权利要求3所述的基于改进粒子群优化算法的任务调度方法， 其特征是， 所述粒 子群优化 算法融合布谷鸟搜索算法的方法包括如下步骤： 将前X个粒子中的部分粒子作为布谷鸟搜索算法的初始解， 通过布谷鸟搜索算法迭代 求解， 得到布谷鸟搜索算法的最优调度方案； 在原粒子群优化算法中剔除所述部分粒子， 并随机生成与部分粒子相同数量的粒子， 继续通过粒子群优化 算法迭代求 解， 得到粒子群优化 算法的最优调度方案 。 7.根据权利要求6所述的基于改进粒子群优化算法的任务调度方法， 其特征是， 所述粒 子群优化 算法融合布谷鸟搜索算法的方法还 包括：权　利　要　求　书 1/2 页 2 CN 115454611 A 2比较所述布谷鸟搜索算法的最优调度方案和粒子群优化算法的最优调度方案的适应 度， 输出的调度方案为 适应度更高的最优调度方案 。权　利　要　求　书 2/2 页 3 CN 115454611 A 3