[发明专利]一种多目标任务调度方法及系统

权利要求书

1.一种多目标任务调度方法，其特征在于，所述方法包括：

利用模糊聚类算法对任务以及虚拟机分别进行模糊聚类处理，获得任务聚类集合和虚拟机聚类集合，并将所述任务聚类集合与所述虚拟机聚类集合进行匹配，获得匹配集合，其中将所述任务聚类集合与所述虚拟机聚类集合进行匹配，获得匹配集合包括：根据所述虚拟机聚类集合中虚拟机的计算能力、带宽以及存储容量，加权计算获得虚拟机的资源性能,根据所述虚拟机聚类集合中所有虚拟机的资源性能的平均值，获得所述虚拟机聚类集合的综合资源性能,根据所述任务聚类集合中任务的长度、大小以及输出数据大小，加权计算获得任务的资源需求,根据所述任务聚类集合中所有任务的资源需求的平均值，获得所述任务聚类集合的综合资源需求,根据所述虚拟机聚类集合的综合资源性能与所述任务聚类集合的综合资源需求之间的距离，将所述任务聚类集合与所述虚拟机聚类集合进行匹配，获得匹配集合；

采用差分进化算法，将所述匹配集合内的任务调度到所述匹配集合内的虚拟机，获得初始调度结果，其中采用差分进化算法，将所述匹配集合内的任务调度到所述匹配集合内的虚拟机，获得初始调度结果包括：根据所述匹配集合中的任务数量、虚拟机数量、任务编号，采用一维数组对差分进化算法中种群的个体进行编码,根据当前的进化代数计算变异因子和交叉因子,根据所述变异因子，结合多种变异策略，对种群个体进行变异操作，获得变异个体,根据所述交叉因子选择父代个体或变异个体的分量，获得交叉个体,根据所述交叉因子反向选择父代个体或变异个体的分量，获得反交叉个体,根据任务完成时间、任务执行成本以及虚拟机负载均衡度，确定适度函数,根据所述适度函数获得目标个体、所述变异个体、交叉个体、反交叉个体的适度值，并根据所述适度值获得下一代个体，从而对所述下一代个体解码获得初始调度结果，且根据当前的进化代数计算变异因子和交叉因子的具体公式为：

其中，F(t)表示变异因子，CR(t)表示交叉因子，w(t)表示权重因子，t表示进化代数，T表示种群最大进化代数，F_max表示变异因子最大值，F_min表示变异因子最小值，CR_min表示交叉因子最小值，CR_max表示交叉因子最大值；

根据所述初始调度结果中虚拟机的负载值，将所述虚拟机分为重负载集合、均衡负载集合以及轻负载集合；

从所述重负载集合中选择需要重调度的任务集，获得重调度任务集；

采用Q值算法，将所述重调度任务集中的任务调度到所述轻负载集合中的虚拟机。

2.根据权利要求1所述的多目标任务调度方法，其特征在于，根据所述变异因子，结合多种变异策略，对种群个体进行变异操作，获得变异个体的具体公式为：

其中，λ表示权重因子，u表示影响因子，v_i(t)表示种群当代进化代数对应的变异个体，t表示进化代数，T表示种群最大进化代数，x_i表示当前个体，x_r1(t)、x_r2(t)、x_r3(t)、x_r4(t)代表随机选中的种群当代进化代数对应的四个不同于x_i的个体，x_best(t)表示当代种群中最优的个体，F表示变异因子。