[发明专利]一种启发式粗粒度并行网格任务调度方法

权利要求书

1.一种启发式粗粒度并行网格任务调度方法，其特征在于：包括以下步骤：

步骤1：任务提交者输入待调度任务集合、可用的计算资源集合、任务在计算资源上的执行时间集合、最大迭代次数、阈值δ和熵值ε；

步骤2：任务调度者将任务分配给资源执行的调度问题表示在优化目标、约束条件下成标准的最小值求解问题；

步骤3：用启发式粗粒度并行算法的迭代过程求解网格任务调度问题；

步骤4：算法结束，输出任务调度结果。

2.如权利要求1所述的启发式粗粒度并行网格任务调度方法，其特征在于：所述步骤2中优化目标为调度策略中所有任务执行完毕花费时间最小化，即所有任务执行完毕花费的时间最短；所述约束条件为任务的数目要大于计算资源的数目，任务集合中的任务都是元任务，即每个任务都不可再拆分为更小的子任务，并且每个任务可以利用任何资源进行计算，但每个资源在同一时间只能处理一个任务，并且任务未完成计算前不允许中断。

3.如权利要求1所述的启发式粗粒度并行网格任务调度方法，其特征在于：所述步骤3所述用启发式粗粒度并行方法求解网格任务调度问题包含一个迭代过程，其迭代过程步骤如下：

步骤3.1：对启发式粗粒度并行算法的初始化；

步骤3.2：算法迭代开始，如果熵值E_t小于给定的熵值ε，迭代结束，输出网格任务调度的结果；如果熵值E_t大于给定的熵值ε，t=t+1，进入下一步；

步骤3.3：选择操作，用期望值法来确定参与遗传操作的个体；

步骤3.4：交叉操作，采用多点交叉算子，定义掩码样本时，保证样本与模式中确定位置相同的位置上的值为1，其余位置上的值随即生成，同时采用精英策略；

步骤3.5：变异操作，采用基于任务迁移的定向变异方法，用使变异位对应的子任务执行时间最短的资源编号替代变异位上的基因值；

步骤3.6：评估子种群个体适应度值的方差S和熵值E_t，t为当前代数；

步骤3.7：若S大于δ，转到步骤3.2；如果S小于δ，进入下一步；

步骤3.8：子种群迁移，令迁移规模为2，用子种群中最优个体替换相邻子种群中最差的两个个体，如果这两个个体比相邻子种群中最差的两个还要差的话，则不予替换，然后转到步骤3.2。

4.如权利要求3所述的启发式粗粒度并行网格任务调度方法，其特征在于：步骤3.1所述启发式粗粒度并行算法初始化通过如下步骤进行：

步骤3.1.1：染色体编码，采用一维整数间接编码，对任务占有的资源号进行编码；

步骤3.1.2：适应度函数的设计，算法根据适应度值的大小来决定个体进行遗传操作的可能性，适应度值越大，个体参与遗传操作的可能性越大，因而将适应度函数设计为任务执行时间的倒数；

步骤3.1.3：子种群的划分，采用基于小生境遗传算法的模糊聚类算法划分种群，生成若干个子种群，使这些子种群独立并行地进行遗传操作。