[发明专利]一种调度自动驾驶仿真任务的方法、系统、设备及介质

权利要求书

1.一种调度自动驾驶仿真任务的方法，其特征在于，包括以下步骤：

计算在当前粒子下执行所有任务的当前评价值，并判断所述当前评价值是否小于历史最优值；

响应于所述当前评价值小于历史最优值，用所述当前评价值更新所述历史最优值，并判断所述当前评价值是否小于总体历史最优值；

响应于所述当前评价值小于总体历史最优值，用所述当前评价值更新所述总体历史最优值；

基于所述历史最优值和所述总体历史最优值更新当前粒子的位置和速度，并返回再次计算当前评价值直到达到最大计算次数；

根据所述总体历史最优值确定每个任务分配的节点，并根据结果对任务进行分配；以及

建立min-max函数：

其中，对于仿真任务来说，主要消耗的资源是计算资源，每个任务对计算资源的需求量分别记作R_i（i=1，2，3…，M），假设用户提交的任务数量M大于计算节点数N，每个任务在不同的计算节点上消耗的资源相同，则第i个任务分配到第j个节点上的资源消耗为Q_ij=R_i，P_ij表示第i个任务分配到第j个节点上的分配方式，若第i个任务分配到第j个节点上，则P_ij=1，否则，P_ij=0；对于计算资源的消耗，其主要影响因素是仿真任务中仿真场景的地图、交通参与者，假设这两个因素的每单位使用成本为c₁、c₂，通过线性加权函数来给出资源消耗与影响因素的关系，并加以比重w_a、w_b，因此第i个任务分配到第j个节点上的资源消耗为，其中，k为1和2这两个常数，分别表示仿真场景地图和仿真场景交通参与者这两个因素，c_ik表示第i个任务中这两个因素各自的使用成本，r₁是仿真场景地图大小，r₂是仿真场景交通参与者数量；F(T)表示所有任务执行的总成本，E(T)表示所有任务执行的总效率，max{E(T)}函数是在min{F(T)}函数条件下使所有任务调度执行的效率最大。

2.根据权利要求1所述的方法，其特征在于，所述计算在当前粒子下执行所有任务的当前评价值包括：

按照当前粒子对应的排列方式将所有任务分配到所有节点中，并根据当前的分配方式计算当前评价值。

3.根据权利要求2所述的方法，其特征在于，所述根据当前的分配方式计算当前评价值包括：

计算所有任务执行的最小总成本和在最小总成本下的最大总效率，并根据所述最小总成本和所述最大总效率计算当前评价值。

4.根据权利要求3所述的方法，其特征在于，所述计算所有任务执行的最小总成本和在最小总成本下的最大总效率包括：

根据每个任务在消耗的资源和节点的满意度计算所有任务执行的最小总成本。

5.根据权利要求3所述的方法，其特征在于，所述根据当前的分配方式计算当前评价值包括：

分别给所述最小总成本和所述最大总效率分配第一权重和第二权重，并计算分配权重后的当前评价值。

6.根据权利要求2所述的方法，其特征在于，所述按照当前粒子对应的排列方式将所有任务分配到所有节点中包括：

按照当前粒子对应的排列方式依次判断每个任务分配到对应节点上的资源消耗是否小于或等于所述任务对计算资源的需求量；以及

响应于所述任务分配到对应节点上的资源消耗大于所述任务对计算资源的需求量，将所述任务重新分配。

7.根据权利要求1所述的方法，其特征在于，所述根据所述总体历史最优值确定每个任务分配的节点包括：

依次判断每个任务分配到对应节点的分配值是否为预定值；以及

响应于所述任务分配到对应节点的分配值为预定值，将所述任务分配到所述对应节点。