[发明专利]一种面向云计算任务调度的改进粒子群算法

说明书

本发明提出了一种面向云计算任务调度的改进粒子群算法。包括4个步骤：首先对粒子采用自然数编码，以任务完成总时间作为适应度函数，将粒子与任务调度相关联，然后改进动态惯性权值策略，平衡全局和局部搜索能力，接着更新粒子位置和速度，规范取值范围，最后加入混沌扰动策略使算法尽可能寻找更优解，从而提高算法后期收敛精度。与标准粒子群算法相比，本发明所述算法在云计算任务调度中具有很强的全局开发能力，在算法的前期不断探索全局最优解，且在后期也具有良好的局部探索能力。同时，由于加入了混沌扰动策略，不断地随机改变粒子的位置信息，使得算法能够尽可能跳出局部最优解，从而最终收敛的结果更好。

技术领域

本发明涉及云环境下任务调度策略领域，尤其涉及一种面向云计算任务调度的改进粒子群算法。

背景技术

数据大爆炸之后，与数据相关的计算任务变得十分繁重。云计算的思想便是来源于如何高效地处理这些庞大的数据，在一台计算机资源不足以在规定时间内完成计算任务的情况下，可以将计算任务交由由大量硬件和软件资源共同构成的资源池处理，并以服务的方式通过网络提供给用户。云计算的基本原理就是利用互联网将大而难的任务分解成较小的任务，并发送到服务器上进行分布式计算、分析和总结。

如何高效合理地将任务集分配到资源池中的虚拟机上便是任务调度，这是云计算中的关键技术之一，许多启发式算法应运而生，诸如人工蜂群算法，飞蛾优化算法，粒子群算法等。粒子群算法由于可供修改的参数少、早期收敛速度快，已经被许多学者应用于云计算任务调度中。但传统的标准粒子群算法对粒子在上一次迭代中的速度的依赖程度一直保持不变，缺少灵活性。由于惯性权重保持不变，虽然前期收敛速度快，但后期局部搜索能力不足，导致算法收敛速度慢，求解精度不高，并且容易陷入局部最优解，所以本发明公开一种面向云计算任务调度的改进粒子群算法，以获得更好的任务调度结果。

发明内容

本发明一种面向云计算任务调度的改进粒子群算法所要解决的问题：针对标准粒子群算法后期收敛速度慢，容易陷入局部最优，收敛精度差的缺陷，本发明在算法中采用混合了随机和非线性递减惯性权重的策略，加快算法后期收敛速度，同时借鉴模拟退火中“以一定概率接受较差解”的思想，提高了算法的全局搜索能力，最后加入混沌扰动策略使算法尽可能寻找更优解，从而提高算法后期收敛精度。

本发明的技术方案包括以下步骤：

步骤S1.粒子的编码及适应度函数的选用：将粒子群算法应用于云环境中的任务调度时，由于待分配子任务通常都是离散值，所以需要对粒子进行编码，粒子包含位置和速度两个属性，通过编码将任务调度与粒子位置和速度相结合。云计算中任务是离散值，因此对粒子采用自然数编码。设有n个任务，分配给m台虚拟机，粒子种群规模为NP，每个粒子的位置由向量P表示，则第i个粒子可编码为式(1)所示的n维向量：

P_i＝{p_i1,p_i2,…,p_ij,…,p_in} (1)

式(1)中1≤p_ij≤m，每一维分量表示分配给此任务的虚拟机，比如最优解若为(1,4,2,…,m,…)，则表示虚拟机1接受任务1，虚拟机4接受任务2，虚拟机2接受任务3，初始化时，p_ij的取值范围为0到m+1之间的随机整数。粒子速度则由向量V表示，第i个粒子的速度表示为：

v_i＝{v_i1,v_i2,…,v_ij,…,v_in} (2)

式(2)中，-m≤v_ij≤m，vij初始化时为-m到m之间的随机数。

定义两个n*m的矩阵Time和S，如下所示。