[发明专利]一种求解云任务调度的进化计算方法

权利要求书

1.一种求解云任务调度的进化计算方法，其特征在于，步骤如下：

第一步：建立模型

设有一批N个数据任务需要处理，有S个虚拟机可以供使用；虚拟机默认为总的资源以及执行速度是相同的；现将N个数据任务划分成S个任务集，每个任务集对应一个虚拟机；

目标是得到每个虚拟机之间负载均衡以及用户等待时间较短的一种解决方案；

N：任务的个数；

S：任务集的个数；

T：所有任务集所组成的有效解的集合，T＝{T₁,T₂...T_S)；

SVM：所有虚拟机拥有的三种资源集合，SVM＝{SVM1_i,SVM2_i,SVM3_i}，其中SVM1_i表示每个被占用的虚拟机所拥有的CPU资源，SVM2_i表示每个被占用的虚拟机所拥有的内存资源，SVM3_i表示每个被占用的虚拟机所拥有的带宽资源；

Q1_i：每个任务集所需要的CPU占用需求，(0＜i＜＝S)；

Q2_i：每个任务集所需要的内存占用需求，(0＜i＜＝S)；

Q3_i：每个任务集所需要的带宽资源占用需求，(0＜i＜＝S)；

E1：当前分配方案CPU占用需求的均值

E2：当前分配方案内存资源占用需求的均值

E3：当前分配方案带宽资源占用需求的均值

MI_i：任务i的指令长度；

MIPS_j：虚拟机j的执行速度；

TTime_ij：任务i在虚拟机j上的执行时间，TTime_ij＝MI_i/MIPS_j；

ST_j：每个任务集所需要的总的时间，l为该任务集所包含的任务的个数，

ST_j＝TTime_1j+TTime_2j+TTime_3j+...+TTime_lj；

TotalTime：当前分配方案执行所需要的时间，u为该分配方案所包含的任务集的个数，TotalTime＝max(ST₁,ST₂,...,ST_u)；

DTime：客户对这一批任务的最大允许执行时长；

α：表示该分配方案下，虚拟机的负载均衡指标；

β：表示该分配方案下，用户等待时长指标；

评价函数：用于评价当前分配方案的优劣；

f＝λ₁α+λ₂β (1)

其中λ₁、λ₂表示负载平衡和完成时间的权重，且有λ₁+λ₂＝1；

约束:

Q1_i/SVM1_i＜＝1 (i＝1,2,3,...,S) (2)

Q2_i/SVM2_i＜＝1 (i＝1,2,3,...,S) (3)

Q3_i/SVM3_i＜＝1 (i＝1,2,3,...,S) (4)

TotalTime＜＝DTime (5)

第二步：求解模型

定义1：初始解：随机生成的不考虑约束的解；

定义2：有效解：具备不重复任务的所有任务集的解称作是有效解；

步骤1：问题编码

步骤1.1：随机产生一个包含有从1到N不重复的整数的数组；每一个整数表示一个任务的标号，并令h＝0表示该数组中排在第0位的任务标号的位置，令T为一个的空数组，来存储产生的任务集，令i＝0，1＜＝i＜＝S表示任务集所对应的标号；

步骤1.2：令Q1＝0，Q2＝0，Q3＝0，ST＝0，Q1、Q2、Q3、ST分别表示当前任务集CPU、内存、带宽资源占用以及任务集的执行时间，并从第h位所对应的任务开始，在集合Q中检索并记录其对应的CPU资源q1、内存资源q2、带宽资源q3以及任务所需执行时间TTime；Q表示每个任务所对应的CPU占用需求、内存占用需求以及带宽资源占用需求的集合，Q＝((q1₁,q2₁,q3₁),(q1₂,q2₂,q3₂),...,(q1_N,q2_N,q3_N))；

步骤1.3：计算并得到Q1＝Q1+q1，Q2＝Q2+q2，Q3＝Q3+q3，ST＝ST+TTime，h＝h+1；

步骤1.4：判断当前Q1、Q2、Q3、ST是否同时满足约束(2)、(3)、(4)、(5)，如果满足，则令h＝h+1，转到步骤1.5，否则记录当前任务的组成的集合，存入数组T，得到T_i，i＝i+1，并令h＝h+1，转到步骤1.2；

步骤1.5：判断h的大小，如果h≤N-1，转到步骤1.3，否则转到步骤1.6；

步骤1.6：得到并输出S个任务集所组成的有效解T；

步骤2：遗传算法求解

步骤2.1：种群初始化

种群初始化指的是在遗传算法中，一次性产生P个从1到N的无序整数列；然后将该整数列按照步骤1中的编码方式生成P个有效解{T₁,T₂,...,T_p}；

步骤2.2：交叉过程

随机选择步骤2.1中产生的初始解T_i、T_j(i≠j)，随机生成0到1之间的随机数，如果该随机数小于交叉概率Pc，则进行交叉操作；重复交叉操作共P次；得到P个交叉后的子代替换原始种群，得到新的父代{T₁,T₂,...,T_p}；

步骤2.3:变异过程

步骤2.3.1：令h＝0；

步骤2.3.2：从P个个体中随机选择一个个体；

步骤2.3.3：随机生成0到1之间的随机数，如果该随机数小于变异概率Pm，则转到步骤2.3.4，否则令h＝h+1，转到步骤2.3.；

步骤2.3.4：随机选择该有效解的一个任务集r_i，然后随机选择该任务集的一个任务t_i(q1_i,q2_i,q3_i)；

步骤2.3.5：从该有效解中另选一个任务集r_j(i≠j)，并比较t1与r_j中所有任务三个指标的欧式距离；计算方法如公式(7)所示，其中(q1_k,q2_k,q3_k)表示r_j中第k个任务的资源占用情况：

选择o值最小的任务作为另外一个变异点，并将两个变异点所对应的任务相互交换所在的任务集；

步骤2.3.6：判断h的大小，如果h≤P-1，转到步骤2.3.2，否则转到步骤2.3.7；

步骤2.3.7：输出变异后的P个个体；

步骤2.4：选择过程

步骤2.4.1：在P个变异后的个体中随机选择两个个体，分别计算两个个体的适应度值，选择适应度较大的个体进入下一代，并将这两个个体重新放回种群中；

步骤2.4.2：重复步骤2.4.1共P次，即从P个个体中有放回的比较选择出P个新个体进行下一次迭代；

步骤2.5：重复2.2-2.4共k次，k表示最大迭代代数，记录下k次迭代中评价函数(1)f最大的个体作为最后输出的调度方案。

2.如权利要求1所述的求解云任务调度的进化计算方法，其特征在于，所述的步骤2.2中，交叉操作由删除和添加两个过程组成；

步骤2.2.1：删除过程

步骤2.2.1.1：在当前种群P中随机选择出的两个父代，T_i和T_j(i≠j)；

步骤2.2.1.2：从T_i和T_j中各随机选出一个任务集合r₁，r₂，然后将T_i选择的任务集合r₁所包含的任务从T_j中删除；同理，将T_j选择的任务集合r₂所包含的任务从T_i中删除；

步骤2.2.2：添加过程

步骤2.2.2.1：首先从r₂中选择插入父代T_i中的任务，令h＝0；

步骤2.2.2.2：在T_i当前的任务集中添加任务r₂[h]；

步骤2.2.2.3：判断T_i当前的任务集是否同时满足三个指标的约束，若满足，转到步骤2.2.2.4，否则在T_i中顺序转入下一个任务集，并转到步骤2.2.2.2；

步骤2.2.2.4：由公式(6)计算并存储在添加了该任务以后的每个任务集所对应的方差d；

其中

步骤2.2.2.5：选择d值最小的任务集作为添加对象，并令h＝h+1；

步骤2.2.2.6：判断h的大小，如果h≤|r₂|-1，则转到步骤2.2.2.2，否则转到2.2.2.7；

步骤2.2.2.7：首先从r₁中选择插入父代T_j中的任务，令h＝0；

步骤2.2.2.8：在T_j当前的任务集中添加任务r₁[h]；

步骤2.2.2.9：判断T_j当前的任务集是否同时满足三个指标的约束，若满足，转到步骤2.2.2.10，否则在T_j中顺序转入下一个任务集，并转到步骤2.2.2.8；

步骤2.2.2.10：由公式(6)计算并存储在添加了该任务以后的每个任务集所对应的方差d；

步骤2.2.2.11：选择d值最小的任务集作为添加对象，并令h＝h+1；

步骤2.2.2.12：判断h的大小，如果h≤|r₂|-1，则转到步骤2.2.2.8，否则转到2.2.2.13；

步骤2.2.2.13：得到添加过程后的两个子代，并将T_i、T_j放回原始种群中。