[发明专利]一种求解云任务调度的进化计算方法

说明书

本发明属于智能制造云计算领域，具体涉及一种求解云任务调度的进化计算方法。本发明首先构建了云任务调度的数学模型，然后设计了改进的遗传算法对其求解。本发明重新设计了交叉算子，并结合局部贪婪算法的思想，在保证有效解的同时，实现子代中每个任务集所对应的三种指标的尽量均衡。本发明中的适应度值描述为S个虚拟机CPU占用资源、内存占用资源以及带宽占用资源方差之和的倒数以及总执行时间的倒数的归一化处理后的评价函数。本算法将有助于各个虚拟机的负载均衡以及每个虚拟机CPU利用率、内存以及带宽资源占用之间的均衡，从而保证资源的较高利用率，进而减少能源消耗、增加云计算的运行效率并提升客户的满意度。

技术领域

本发明属于智能制造云计算领域，具体涉及一种求解云任务调度的进化计 算方法。

背景技术

在云资源分配中，一个关键问题就是怎样合理的分配任务使每个虚拟机尽 可能的达到负载均衡，进而使一批任务的完成时间跨度最短。现有的云任务调 度方法有贪婪策略、MIN-MIN、MAX-MIN等经典算法，这些方法大都没有考 虑负载均衡的问题，进而导致云资源的浪费或者虚拟机过载等情况的出现。随 着群智能算法的出现，越来越多的研究人员将其运用到云任务的调度问题中来 进一步解决负载均衡问题。然而这些算法虽然考虑到了每个虚拟机之间的负载 均衡，但是大都没有考虑在虚拟机占用的云资源中，内存占用需求、CPU占用 需求以及带宽资源占用需求之间的均衡问题。所以依旧有不小的资源浪费问题 的出现。为了解决云任务调度中两方方面的均衡问题，进而减少资源浪费以及 缩短任务完成时间跨度，需要对现有的调度算法进行适当的创新改进，这就产 生了对云任务调度的改进遗传算法的研究。

发明内容

本发明所要解决的技术问题，是智能制造中云任务调度方法的设计，即改 进的遗传算法。本算法的目标是实现各个虚拟机的负载均衡以及任务完成时间 较短，从而保证资源的较高利用率以及客户较好的使用体验。本发明首先构建 了云任务调度的数学模型，然后设计了改进的遗传算法对其求解。本发明中对 遗传算法的改进主要是对其交叉变异方法以及评价函数的改进。

本发明技术方案如下：

一种求解云任务调度的进化计算方法，步骤如下：

第一步：建立模型

现有在智能制造中，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