基于改进蚁群算法的多处理器任务调度仿真

摘要

研究多处理器系统任务调度优化问题.随着实时应用需求的不断提高,对多处理器任务调度系统提出了更高的性能要求.传统算法把调度准确性放在第一位考虑,实时性不能满足当前要求.在确保准确性的前提下,为了提高多处理器任务调度的实时性,提出一种基于改进蚁群算法的多处理器系统任务调度算法(GA-ACO).首先建立多处理器系统任务调度数学模型,然后引入遗传算法快速找到多处理任务调度可行解,最后将遗传算法找到的可行解转换成蚁群优化算法初始信息素,并通过蚁群算法的局部寻优和正反馈机制找到多处理系统的任务调度最优解.仿真结果表明,改进算法不仅具有遗传算法全局寻优能力,同时兼有蚁群算法的局部寻优和正反馈能力,相对于单一寻优算法,可以更快找到任务的调度方案,满足实时性的要求,加快了任务执行速度,可以合理、有效的对多处理器任务分配和调度.