[发明专利]一种基于改进遗传算法的云任务调度方法

权利要求书

1.一种基于改进遗传算法的云任务调度方法，其特征在于，该改进遗传算法为双适应度综合乘积遗传算法，在遗传算法中增加一个适应度函数即双适应度以及采用两个适应度相乘作为最终的适应度函数，并把双适应度综合乘积遗传算法运用于云环境Map/Reduce编程模型的任务调度过程中，包括如下步骤：

步骤1：用户提交任务，用户提交任务个数以及任务长度；

步骤2：Map/Reduce处理任务，Map/Reduce编程模型把用户提交的任务分割成多个子任务，对这些众多子任务进行调度；

步骤3：寻找合适的资源节点，采用改进的遗传算法得到任务调度的资源序列，该序列即为执行任务的资源节点序列；

步骤4：执行任务，Map/Reduce编程模型根据步骤3得到的资源节点序列，把任务分配给该序列并行执行，并把执行结果返回给用户。

2.如权利要求1所述一种基于改进遗传算法的云任务调度方法，其特征在于：需要输入以下信息：

(1)任务信息，任务总个数T，每个任务划分的子任务个数subNum，每个子任务的长度Length，每个子任务预计运行时间；

(2)资源节点信息，云环境中总的资源节点个数W，每个资源处理任务的能力；

(3)遗传算法参数，种群规模S，终止迭代数Generation，交叉概率P_c，变异概率P_m。

3.根据权利要求1所述的一种基于改进遗传算法的云任务调度方法，其特征在于：步骤3改进遗传算法中适应度函数的选取，双适应度综合乘积遗传算法增加一个适应度函数因子并采用因子的乘法，把资源完成任务总时间的倒数作为一个适应度函数，平均执行时间的倒数作为另一个适应度函数，两者之积作为个体最终的适应度函数，双适应度综合乘积遗传算法的目标是同时使任务总完成时间和平均完成时间都最短。

4.根据权利要求1所述的一种基于改进遗传算法的云任务调度方法，其特征在于：步骤3改进遗传算法中对于多个任务映射同一资源的问题，使用Min-Min算法解决该问题，优先执行短任务，避免长任务的阻塞问题。

5.根据权利要求1所述的一种基于改进遗传算法的云任务调度方法，其特征在于：步骤3改进遗传算法中变异操作，采用单点变异，变异后的基因值不是随机选取的，而是根据时间矩阵选择此任务预计执行时间最短的资源节点，若该资源节点为任务当前对应的资源节点，则染色体对应的基因值不进行变异操作，将在新一代种群中继续保留此染色体，反之，将该任务迁移到最短资源上去执行，这保证了子染色体的基因优于父染色体。