本遗传算法由12个M文件组成，其中Genetic.m包含了主函数，其余文件均为包含子函数的文件，由主函数调用。下面对包含子函数的文件进行一一说明。 function Population = PopulationInitialize( MemberLength,MemberNumber ) 此函数返回一群二进制编码的初始染色体（MemberNumber* MemberLength的矩阵，不同的行代表不同的染色体），参数MemberNumber， MemberLength分别指定了染色体的数目和
针对云计算的高能耗问题,从系统级节能角度,提出一种节能的资源调度算法.首先,建立云计算的两级资源调度模型;综合考虑主机的工作、空闲和休眠等多种状态建立能耗模型,并用多功能计量插座加以验证.然后,提出基于遗传算法的最小能耗资源调度算法(minimum energy consumption based on genetic algorithm,MECGA),根据云任务的服务质量(quality of service,QoS)需求产生初始种群,以系统能耗最小为调度目标设计适应度函数,并根据染色体适应
针对云计算的高能耗问题,从系统级节能角度,提出一种节能的资源调度算法.首先,建立云计算的两级资源调度模型;综合考虑主机的工作、空闲和休眠等多种状态建立能耗模型,并用多功能计量插座加以验证.然后,提出基于遗传算法的最小能耗资源调度算法(minimum energy consumption based on genetic algorithm,MECGA),根据云任务的服务质量(quality of service,QoS)需求产生初始种群,以系统能耗最小为调度目标设计适应度函数,并根据染色体适应
针对云计算的高能耗问题,从系统级节能角度,提出一种节能的资源调度算法.首先,建立云计算的两级资源调度模型;综合考虑主机的工作、空闲和休眠等多种状态建立能耗模型,并用多功能计量插座加以验证.然后,提出基于遗传算法的最小能耗资源调度算法(minimum energy consumption based on genetic algorithm,MECGA),根据云任务的服务质量(quality of service,QoS)需求产生初始种群,以系统能耗最小为调度目标设计适应度函数,并根据染色体适应
