可反映用户偏好的多目标任务调度算法

针对云制造环境下的多目标任务调度问题，改进非支配排序生物地理优化算法，提出一种反映用户偏好的任务调度算法（ UPTSA）。通过基于权重均匀分配策略定义的用户偏好度来评估制造任务调度方案的质量，使UPTSA算法能寻找反映用户偏好的最优解，并设计梯形迁移率计算模型扩大其搜索邻域，避免陷人局部最优解实例分析结果表明， UPTSA算法能有效求解云制造环境下的多目标任务调度问题，为用户提供一组辅助其决策的调度方案，从而满足高度个性化的用户需求。在当前的云计算环境中，多任务调度是一个至关重要的问题，尤其在云制造的背景下，需要考虑用户的个性化需求。本文提出的“可反映用户偏好的多目标任务调度算法”（UPTSA）正是针对这一挑战的一种创新解决方案。 UPTSA算法基于非支配排序生物地理优化算法进行改进，这是一种模拟自然生态系统中物种分布和进化过程的优化算法。它通过引入用户偏好度的概念，将用户对任务调度的特定需求融入到算法的评估标准中。用户偏好度是通过权重均匀分配策略来定义的，这意味着不同的任务可以根据用户的优先级和时间敏感性等因素被赋予不同的权重，从而确保算法在寻找最优解时充分考虑了用户的实际需求。在算法的设计中，UPTSA采用了梯形迁移率计算模型来扩大搜索空间，这是为了避免算法陷入局部最优解的困境。梯形迁移率模型可以根据任务状态和环境变化动态调整，使得算法在搜索过程中既能高效地探索全局最优解，又能灵活应对复杂环境下的任务调度变化。通过实例分析，UPTSA算法在解决云制造环境下的多任务调度问题上表现出色，能够有效地生成一组满足用户偏好的调度方案。这些方案不仅有助于提高资源利用率，还能降低任务完成时间，进一步满足了高度个性化的用户需求。同时，算法的这种能力为决策者提供了有力的支持，帮助他们在复杂的任务环境中做出更优的决策。总结起来，UPTSA算法通过结合用户偏好度的权重分配和梯形迁移率模型，成功地解决了云制造环境下多任务调度的挑战。它不仅提高了算法的搜索效率，还确保了调度方案的质量，从而为用户提供了一种兼顾效率与个性化的解决方案。这个算法的应用对于提升云制造服务的质量、增强用户满意度以及推动智能制造的发展具有重要意义。