针对CPS任务调度求解问题，通过动态融合策略，将遗传算法和蚁群算法有机融合，在优化了计算结果的同时增加了解的多样性。在搜索过程中引入了自适应机制和变异策略，将确定性选择和随机选择相结合，动态调整确定性选择的概率以及路径上的信息量，缩小信息的最佳路径和最差路径之间的差距，以便于更完整地搜索解空间；以最短的运行时间以及电源能耗最优为目标，为分配的虚拟机搜索物理主机分配向量。
相较传统方法，在基本性能评估、可扩展性评价、适应性评价、可靠性、计算性能等方面分别与RM、EDD、EDF算法做了比较，结果表明该算法模型增强了局部搜索能力，提高了任务调度问题的质量，具有良好的有效性、稳定性和适应性。
Future Generation Computer Systems为2020年中科院1区TOP期刊，最新影响因子为：5.768。
据悉，在国家自然科学基金的资助下，电气信息工程学院徐建军教授团队在新能源转换与控制领域做了大量的研究工作。近段时间连续在国际顶级期刊《IEEE Transactions on Industrial Informatics》（影响因子7.377）、《Future Generation Computer Systems》（影响因子5.768）、《International Journal of Hydrogen Energy》（影响因子4.084）等上发表该领域研究成果。
论文信息：
Na Yi,Jianjun Xu,Limei Yan,Lin Huang. Task Optimization and Scheduling of Distributed Cyber-physical System Based on Improved Ant Colony Algorithm. Future Generation Computer Systems, 109(2020),134-148.
该成果的原文链接为：https://authors.elsevier.com/c/1arb~,3q5xWCLu
