摘要
云任务-资源匹配环节脱节是云端融合过程的突出问题,针对该问题,考虑任务和资源的双边满意度,提出一种基于改进知识迁移极大熵聚类算法(Knowledgetransfermaximumentropy clustering algorithm,KT-MECA)的云端融合任务分配模式。该算法改进了历史聚类中心知识和历史隶属度知识的引入方式,提高了聚类性能和稳定性,解决了传统聚类算法不能适用于动态云资源聚类的问题。并考虑双边主体满意度,将该算法的聚类结果应用于云任务-资源的双边匹配决策优化模型中,通过实例证明该方法是可行的。
- 单位