[发明专利]基于并行的自适应决策效率优化方法

说明书

技术领域

本发明属于计算机技术领域，更进一步涉及一种自适应决策效率优化方法，可用于解决基于搜索的软件工程方法解决自适应决策过程中效率有限、实时性不足、搜索开销大等缺点，以满足自适应软件需要快速决策的系统需求。

背景技术

用户需求、软件运行环境和软件单元的频繁变化导致软件系统需在运行过程中动态调整自身行为。随着软件规模呈现指数级增长态势，异构的软件单元间关系错综复杂，导致人为调整软件行为的过程变得更加困难、易出错、并耗费时间、精力和成本。因此软件系统亟需具备一种根据软件变化调整自身行为的能力，即成为自适应软件SAS。自适应软件可以在运行过程中动态调整自己的行为、属性、结构等以适应环境或用户需求的变化。而自适应决策的作用则是寻找或产生自适应策略，也就是自适应调整方案，以调整自适应软件的行为等。自适应决策的能力直接影响着自适应软件的质量属性与对外服务，是自适应软件领域的热点与难点问题。

由于搜索方法的效率有限、实时性不足、搜索开销大等缺点，使得搜索方法目前尚未在软件运行阶段有广泛的应用。然而，自适应决策是一个典型的软件运行态问题，决策效率是首先需要保证的要素。如果不能快速产生决策结果，决策过程中软件和运行环境极有可能继续变化，则所选择的调整方案极有可能已不适合新的环境。这样将导致软件系统持续的适应环境，进而严重影响到软件系统正常业务逻辑的执行。因此，针对基于搜索的自适应决策过程中的开销问题，如何结合并行任务调度技术建立一种基于并行的自适应决策效率优化机制，加快自适应策略搜索速度，提升搜索效率显得极为重要。下面将针对“自适应决策效率优化方法”的国内外研究成果进行归纳和分析。

现有的自适应决策效率优化方法一般采用任务调度方法进行，而任务调度方法可分为静态和动态两种。

(1)静态方法

静态方法，是指任务和处理单元的基本信息在程序执行前即可获取，效率优化方案在系统运行前就已确定。Topcuoglu H等在文献《Performance-effective and low-complexity task scheduling for heterogeneous computing》中依据自适应任务调度时所采用的不同策略将静态方法分为表调度算法、基于任务复制的调度算法、基于任务聚类的调度算法和基于定向随机搜索的调度算法，减少处理器之间的通信开销，减少处理器处理自适应任务时的等待时间，从而提高自适应任务执行效率。黄金贵等在文献《网络集群计算系统中的并行任务调度》中通过对表调度算法进行改进来提高决策效率，提出了三种不同的启发式算法：最大长度优先调度算法、最大宽度调度算法和最大面积优先算法。静态方法一般能达到较好的负载均衡，适用于本身就具有静态结构的应用任务。然而，如果系统中的任务是实时产生的，则静态调度算法就无法实现较好的负载均衡，此时就需要使用动态任务调度算法。

(2)动态方法

Cybenko G在文献《Dynamic load balancing for distributed memory multiprocessors》中研究了能够实现动态负载均衡的扩散法和维交换法，给出了针对同构系统的扩散算法的一般形式，并且在研究时对网络拓扑结构中超立方体的多处理机系统进行负载均使用维交换的方法对决策效率进行优化。但是这种方法只在任务间进行调度优化，而任务内部依然是串行处理，无法最大程度地提高任务的执行效率。

发明内容

本发明的目的在于克服上述已有技术的不足，针对基于搜索的自适应决策过程中的开销问题，提出一种基于并行的自适应决策效率优化机制，以加快自适应策略搜索速度，提升搜索效率，满足自适应系统需要对变化迅速做出调整的要求。

本发明的具体思路是：结合自适应搜索任务的特征和需求，采用并行任务分配调度方法对自适应搜索任务进行动态分配调度，并通过并行搜索的方式加快自适应调整方案的搜索速度，其实现方案包括如下：

(1)将联盟盟主发送的自适应策略空间数据封装在消息体中，形成自适搜索任务；

(2)将封装好的自适应搜索任务加入到全局任务队列当中，等待调度；

(3)定时感知全局任务队列状态：若全局任务队列中的任务数达到设定的上限，则进行任务分配调度，执行步骤(4)；否则，循环等待；

(4)任务分配调度：

(4a)根据快速降阶的匈牙利算法进行任务分配，将全局任务队列中的所有任务分配到某个计算机上的本地调度队；