深圳大学2020年研究生云计算期末作业——基于粒子群优化算法的实现与改进（包含论文数据、代码）。

简介：
期末大作业题目：请结合您所掌握的相关知识，深入研究并撰写一篇关于云计算资源分配策略、任务调度方案或资源利用率预测算法的学术论文。该论文需要利用云计算仿真器CloudSim或其他相关仿真软件进行算法的设计与实现，并随后进行仿真实验测试及对该算法/策略性能的详细分析。此外，您也可以选择将云计算技术应用于您感兴趣的研究领域，以主题为核心进行学术研究。论文的撰写格式应遵循《软件学报》的投稿规范。 摘 要：粒子群优化（PSO）算法的核心思想源于人工生命以及进化论的研究。 PSO算法通过粒子追寻自身找到的最佳解，以及整个群体中最优解来实现优化过程；其中，每个粒子都代表着问题的一个潜在解决方案，属于一种启发式的随机全局优化方法。PSO算法的主要优势在于其结构简单且功能强大。本文将采用云计算仿真器CloudSim来实施PSO算法，从而完成任务调度方面的优化，并进一步改进算法以评估其性能表现。 关键词: 粒子群;优化;进化论;CloudSim 中图法分类号: Particle swarm optimization algorithm and improved implementation CHEN Jia-Le1 1(School of Computer Science and Software, Shenzhen University, Shenzhen 518000, China) Abstract: The foundational concept of the particle swarm optimization (PSO) algorithm is rooted in the principles of artificial life and evolutionary theory. PSO operates as a heuristic stochastic global optimization technique, wherein each particle represents a candidate solution to the problem at hand. A key advantage of PSO lies in its inherent simplicity combined with its robust functionality. In this paper, we will utilize the cloud computing simulator CloudSim to implement PSO for task scheduling purposes, alongside an improved algorithm designed to evaluate performance metrics. Key words: particle swarm; optimization; evolutionism; CloudSim;