基于学习的遗传算法用于任务图调度SP - 6543957 VL - 2019 AB -目前，并行和分布式环境被广泛使用;因此，为了有效地使用这些环境，需要使用调度技术。调度算法的目标是最小化并行程序的最大完工时间(即完成时间)。由于调度问题的np困难性，在文献中提出了几种遗传算法来解决这一问题，这些算法都是有效的，但效率不够高。一个有效的调度算法试图最小化最大完工时间，而一个有效的算法，除此之外，试图降低优化过程的复杂性。现有的调度算法大多采用有效的调度算法，在不考虑如何降低优化过程复杂度的情况下搜索解空间。本文提出了一种学习遗传算法(LAGA)来解决同质计算系统中处理器的静态调度问题。为此，我们提出了两个学习准则，即最陡爬升学习准则和下一次爬升学习准则，其中我们使用了惩罚和奖励的概念进行学习。因此，我们可以得到一种有效的求解调度问题的搜索方法，从而使寻找调度的速度明显提高，避免陷入局部最优。在调度过程中考虑了重用空闲时间准则，以减少最大完工时间。 The results on some benchmarks demonstrate that the LAGA provides always better scheduling against existing well-known scheduling approaches. SN - 1687-9724 UR - https://doi.org/10.1155/2019/6543957 DO - 10.1155/2019/6543957 JF - Applied Computational Intelligence and Soft Computing PB - Hindawi KW - ER -