[发明专利]一种基于蚁群算法的任务调度方法及系统

说明书

本发明涉及一种基于蚁群算法的任务调度方法及系统，方法包括：确定虚拟机执行任务的成本约束函数以及时间约束函数；根据所述成本约束函数以及所述时间约束函数构建目标函数；初始化蚁群算法的参数，确定改进后的蚁群算法；根据所述改进后的蚁群算法计算所述目标函数的最优解，所述最优解表示任务调度结果。本发明通过构造任务成本与时间的约束函数，再通过改进的蚁群算法计算其最优解，可以快速、准确的进行任务调度。

技术领域

本发明涉及计算机任务调度技术领域，特别是涉及一种基于蚁群算法的任务调度方法及系统。

背景技术

云服务技术的不断更新，促进了互联网和物联网的发展，云计算系统的存在，客户无需部署复杂的基础设施就可以轻松地访问云服务。然而，随着云计算技术的迅速普及以及云服务领域的不断扩大，云数据中心的计算资源与任务也随之扩大，这给云计算的发展带来一个新的问题，即云计算中的任务调度问题。该问题的实质就是如何将用户提交的任务高效的分配到云环境中的各个资源上执行，使得在满足网络安全服务质量需求的情况下实现系统资源的高效利用和负载均衡。

传统研究任务调度问题的算法有很多，蚁群算法及其混合算法在应用到云计算中的任务调度问题中，均取得了不错的成果。但是蚁群算法有很多参数，如若采取的参数不合适，任务调度问题的结果也会得到影响。

发明内容

本发明的目的是提供一种基于蚁群算法的任务调度方法及系统，以快速、准确的进行任务调度。

为实现上述目的，本发明提供了如下方案：

一种基于蚁群算法的任务调度方法，包括：

确定虚拟机执行任务的成本约束函数以及时间约束函数；

根据所述成本约束函数以及所述时间约束函数构建目标函数；

初始化蚁群算法的参数，确定改进后的蚁群算法；

根据所述改进后的蚁群算法计算所述目标函数的最优解，所述最优解表示任务调度结果。

可选地，确定虚拟机执行任务的成本约束函数，具体包括：

根据每个虚拟机并行执行任务的成本确定虚拟机执行任务的成本约束函数。

可选地，确定虚拟机执行任务的时间约束函数，具体包括：

根据每个虚拟机上任务的运行时间确定虚拟机执行任务的时间约束函数。

可选地，所述初始化蚁群算法的参数，确定改进后的蚁群算法，具体包括：

根据虚拟机的处理能力与虚拟机的平均计算能力初始化蚁群算法中的信息素初始值；

根据蚁群算法中的迭代次数、预设迭代次数上限、种群中蚂蚁数量的最大值和最小值构造神经网络激活函数；

根据所述激活函数初始化蚁群的种群数量；所述蚁群包括多个种群；

计算蚂蚁使用预设参数值的概率；

根据所述概率初始化蚁群算法中的信息素的相对重要程度、启发式因子的相对重要程度和信息素挥发系数；

根据初始化好的参数确定改进后的蚁群算法；所述初始化好的参数包括：信息素初始值、蚁群的种群数量、信息素的相对重要程度、启发式因子的相对重要程度和信息素挥发系数。

可选地，所述根据所述改进后的蚁群算法计算所述目标函数的最优解，具体包括：

根据蚁群算法中的伪随机转移规则，利用初始化好的信息素的相对重要程度和初始化好的启发式因子的相对重要程度构造种群中每个蚂蚁的路径；

根据局部更新规则，利用初始化好的信息素初始值和初始化好的信息素挥发系数局部更新所述路径上的信息素；