.png){kind=icon}
返回
Optimizing real-time task scheduling using hybrid multi-objective approach
.png){kind=icon}
PRE
AI
DOI：10.1007/s00607-026-01678-1.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文介绍了一种针对异构多处理器系统中实时任务调度的创新方法，旨在同时优化三个关键目标：完成时间（F）、延迟（T）和能耗（E）。所提出的方法利用多目标乌鸦搜索算法（MOCSA）来解决这一具有挑战性的离散优化问题。MOCSA是一种新颖且稳健的技术，能够有效应对多处理器环境中任务调度的复杂情况。为实現多目标优化，本文采用加权乘积法将三个不同目标——最小化完成时间、最小化延迟和最小化能耗——进行整合。这种多目标融合使用户能够选择符合其特定需求和优先级的解决方案。实证结果表明，所提出的算法在实现三个目标方面具有高效性和有效性。它不仅能最小化完成时间，确保任务按时完成，还能减少延迟和能耗，促进更节能可靠的调度方案。该方法通过提供一个灵活且可适应的框架，为实时任务调度领域做出了贡献，使用户能够根据其独特需求定制解决方案，从而优化多处理器系统中的性能、可靠性和能效。
Keyword:
Crow search algorithm
Finish time
Tardiness
Energy consumption
期刊
C
IF:
2.8
论文数:
2.3K
被引数:
3.5K
机构
引用论文
A deep reinforcement learning approach for multi-objective task scheduling in cloud computing基于深度强化学习方法的云计算多目标任务调度.png)
IF0
PREAI
分享收藏Resource Scheduling Simulation Design of Firefly Algorithm Based on Chaos Optimization in Cloud Computing基于混沌优化的萤火虫算法云计算资源调度仿真设计
OAAI
OAAI分享收藏Optimal scheduling workflows in cloud computing environment using Pareto‐based Grey Wolf Optimizer
PREAI
分享收藏A novel metaheuristic method for solving constrained engineering optimization problems: Crow search algorithm一种求解约束工程优化问题的元启发式方法: 乌鸦搜索算法
PREAI
分享收藏
分享收藏
查看更多内容