WiMi Hologram Cloud Inc. heeft aangekondigd dat het de planning van cloud-taken heeft geoptimaliseerd met behulp van algoritmen voor groepsintelligentie. Een algoritme voor groepsintelligentie is een rekenmethode gebaseerd op het gedrag van groepen in de natuur, die krachtige zoek- en optimalisatiecapaciteiten kan demonstreren bij het oplossen van complexe problemen door de interacties en samenwerking van individuen in een groep te simuleren. Het gebruik van algoritmen voor groepsintelligentie om taakplanningsproblemen in de cloud op te lossen, kan de efficiëntie van de taakuitvoering en het gebruik van hulpbronnen verbeteren. Groepsintelligentiealgoritmen zijn een klasse optimalisatiealgoritmen die het gedrag van groepen organismen in de natuur simuleren, zoals mierenkoloniealgoritmen en deeltjeszwermalgoritmen. Deze algoritmen vinden de globale optimale oplossing door het samenwerkings- en concurrentiemechanisme van biologische groepen te simuleren.

Bij cloud taakplanning kan het gebruik van populatie intelligentie algoritmen taken en middelen zien als individuen in een groep, en de optimale taakplanningsoplossing vinden door samenwerking en concurrentie tussen individuen. Dit kan de bronnen in het systeem volledig benutten, de efficiëntie van de taakuitvoering verbeteren, de wachttijd verminderen en het energieverbruik en de kosten van het systeem verlagen. Het plannen van cloud-taken met behulp van algoritmen voor groepsintelligentie kan aan de behoeften van gebruikers voldoen, de reactiesnelheid van het systeem verbeteren, de kosten verlagen en het gebruik van hulpbronnen verbeteren.

Het algoritme voor groepsintelligentie kan worden toegepast op verschillende aspecten van cloudtaakplanning, zoals taaktoewijzing, taakplanning en taakuitvoering. Zo worden cloud taken bijvoorbeeld gepland met behulp van particle swarm optimization (PSO). Het PSO-algoritme simuleert het vlieggedrag van vogels in een zwerm door voortdurend de positie en snelheid van elke vogel in de zwerm aan te passen om de optimale oplossing te vinden.

Bij cloudtaakplanning kan elke taak worden beschouwd als een deeltje, waarbij de positie van elk deeltje de virtuele machine aangeeft waaraan de taak is toegewezen en de snelheid de uitvoeringssnelheid van de taak aangeeft. Door de positie en snelheid van de deeltjes voortdurend bij te werken, kan de optimale taakplanningsoplossing worden gevonden om de efficiëntie van de taakuitvoering en het resourcegebruik te verbeteren. Het deeltjeszwermalgoritme is een optimalisatiealgoritme dat het foerageergedrag van een zwerm vogels simuleert.

Bij het plannen van cloud-taken kan de taak worden beschouwd als het doel dat door de zwerm vogels moet worden gefoerageerd, en de cloud computing-bronnen worden beschouwd als het pad van de zwerm vogels. Het deeltjeszwermalgoritme zoekt naar het optimale taakplanningsschema door de positie en snelheidsaanpassing van de zwerm vogels tijdens het zoekproces te simuleren. Elk deeltje vertegenwoordigt een taakverdelingsschema en past zijn positie en snelheid aan volgens zijn eigen historische optimale positie en de optimale positie van de zwerm.

Het PSO algoritme omvat het initialiseren van de deeltjeszwerm, het evalueren van de fitness, het bijwerken van de snelheid en positie, en het bijwerken van de globale optimale oplossing en de individuele optimale oplossing.