[发明专利]一种任务调度方法及装置

说明书

技术领域

本发明涉及任务调度技术，尤其涉及一种任务调度方法及装置。

背景技术

在嵌入式多处理器系统中，经常会出现这样一种情况，即：一些处理器的负载很重，而另一些处理器的负载却很轻，甚至空闲。然而，这种情况无疑会降低整体系统的工作效率。为了提高处理器的利用率以及整体系统并行计算的效率，应该把负载过重的处理器上的一部分负载即任务转移到空闲的或负载较轻的处理器上，这就出现了关于处理器的负载分配问题的研究。

目前，解决处理器负载分配问题时，通常采用粒子群算法获得最优解作为处理器调度的方案；所谓传统粒子群算法是受鸟群觅食行为的启发而提出的，其基本思想是通过群体中个体之间的协作和信息共享来寻找最优解。粒子群算法将粒子群体中的每个个体看作是搜索空间中的一个没有体积的微粒，并且在搜索空间中从一个随机初始位置根据随机初始速度飞行。每个粒子代表解空间的一个候选解，粒子的飞行速度根据自身的飞行经验和同伴的飞行经验来进行动态调整。每个粒子在飞行过程中所经历过的最好位置就是该粒子本身找到的个体最优解，整个粒子群体所经历过的最好位置就是整个粒子群体目前所找到的整体最优解。每个粒子都通过个体最优解和整体最优解不断地更新自己，从而产生新一代粒子群体，直到达到规定的迭代次数或者满足规定的误差标准为止。但是，现有的粒子群算法在求解调度问题时都存在早熟收敛、易陷入局部最优、进化后期算法收敛速度明显下降等缺点。

显然，现有技术中没有合适、优化的算法能用于解决求解调度问题，基于算法求解来实现处理器的负载分配和任务优化调度尚没有好的解决方案。

发明内容

有鉴于此，本发明实施例提供了一种任务调度方法及装置，能基于合适的算法求解来优化、全面、有效地解决任务调度问题。

为达到上述目的，本发明的技术方案是这样实现的：

本发明实施例提供了一种任务调度方法，所述方法包括：

重复执行任务随机分配操作，获得包含有Q种任务分配方式的初始处理器分配方案；所述任务随机分配操作为将所有N个任务随机分配于M个处理器中；M、N、Q为自然数且M<N；

重复执行下述操作，直至找到最终任务分配方式：

基于局部搜索和全局搜索更新处理器分配方案，计算更新后的处理器分配方案中每种任务分配方式下所有N个任务在M个处理器中完成所需的时间；

当所需时间最短的任务分配方式满足要求时，将所述所需时间最短的任务分配方式作为任务调度的最终任务分配方式。

上述方案中，所述方法还包括：

当所需时间最短的任务分配方式不满足要求时，对所述更新后的处理器分配方案中的任务分配方式执行变异操作。

上述方案中，所述将所有N个任务随机分配于M个处理器中，包括：

随机选择[1,M]之间的一个整数随机数m₁，并从所有N个任务中随机选择一个任务分配给第m₁个处理器；随机选择[1,M]之间的一个整数随机数m₂，并从剩余的N-1个任务中随机选择一个任务分配给第m₂个处理器；以此循环，直至所有N个任务都被分配给M个处理器，获得一种任务分配方式。

上述方案中，所述基于局部搜索和全局搜索更新处理器分配方案，包括：

利用粒子群算法对当前的处理器分配方案进行局部搜索，获取所述当前的处理器分配方案中的局部最优任务分配方式；

将所述当前的处理器分配方案中的局部最优任务分配方式下所有N个任务在M个处理器中完成所需的时间作为第一时间；所述当前的处理器分配方案中的全局最优任务分配方式下所有N个任务在M个处理器中完成所需的时间作为第二时间；

确定所述第一时间小于或等于所述第二时间时，将所述当前的处理器分配方案中的全局最优任务分配方式替换为所述当前的处理器分配方案中的局部最优任务分配方式；

对所述当前的处理器分配方案中的任务分配方式执行交叉操作，获得更新后的处理器分配方案。

上述方案中，所述利用粒子群算法对当前的处理器分配方案进行局部搜索，获取所述当前的处理器分配方案中的局部最优任务分配方式，包括：

随机生成一个包含有I个粒子且每个粒子为一种任务分配方式的初始粒子群，并将所述当前的处理器分配方案中的全局最优任务分配方式作为所述初始粒子群的初始最优粒子加入到所述初始粒子群中；