[发明专利]一种面向云计算的多目标资源调度方法

说明书

本发明提供一种面向云计算的多目标资源调度方法，涉及云计算场景下的资源调度技术领域；该方法首先统计当前云计算资源中心中每个用户所需的计算资源，根据各个服务提供商提供的计算服务信息，建立初始数据集；之后将云计算场景下资源调度过程中的收益最大化问题转化为两个收益目标函数和多个约束；根据数据集随机生成多个资源调度方方案，并利用建立好的收益目标函数进行评估；使用收益目标函数和参考向量对种群进行优化；在优化过程中，使用分布式估计对当前所有最优方案建立概率模型并进行采样的方法能够大大加快种群收敛的速度，保证种群的收敛性，产生的均匀向量引导种群中的个体向多个方向收敛，保证种群的多样性，通过这些策略来寻找更多适合该问题的方案。

技术领域

本发明涉及云计算场景下的资源调度技术领域，具体涉及一种面向云计算的多目标资源调度方法。

背景技术

近年来，随着计算机网络和分布式计算技术的不断发展，云计算技术也随之在各个领域得到广泛的应用并不断取得成功。云计算技术将网络中零散的，不同的计算资源组合在一起，构成一个虚拟的计算资源中心，并根据不同用户对计算能力、带宽、存储等不同的需求进行统一的分配调度，从而解决传统计算机应用场景下的计算资源较少，计算时间较长等局限性，进而能够大大减少用户的费用和时间成本。云计算技术的基本问题是云资源调度问题。通常情况下，云计算技术中的计算资源来自不同的服务提供商，因此如何根据用户不同的计算服务需求，以及不同服务提供商提供的计算资源，对计算中心的计算资源进行统一的管理调度是一项重要的工作，也是相关领域研究的热门方向。在实际场景下，每个服务提供商对其提供的不同的计算资源有其不同的成本，而用户为其所需的计算资源有定的预算要求。服务提供商希望其能够获得最大的收益，而用户则希望其能为其所需的计算服务支付尽可能少的费用。因此，如何将任务合理地分配给不同的服务商并使双方的收益最大化是云计算技术中资源调度方面需要解决的问题之一。从这个角度上看，云计算技术中资源调度的收益最大化问题是一个多目标问题，而解决多目标问题的一个有效方法便是使用多目标进化算法。

多目标进化优化属于进化计算、群智能计算领域下的一个分支，现如今常被用来解决现实世界中的真实的多目标优化问题。在多目标进化优化过程中，用决策变量表示真实世界中问题的解，用目标函数表示该问题的衡量指标，通过交叉变异的方式产生新的解，并通过环境选择、小生境技术等方法选择解。最后经过一定次数的迭代以后得到最终的解集。

现有的适用于云计算场景下资源调度研究大多只考虑与任务相关或者与实际硬件能量消耗等隐性问题，而忽略在实际过程中更为重要的收益问题。现有方法大多将不同服务提供商提供的每类计算资源的成本看作为的定值，对其进行同一的定价，该方法产生的调度方案虽然较为简便，高效，但忽略服务提供商的成本差异，在实际实践过程中往往无法使服务提供商的总收益达到最大，而且由于每个服务提供商的提供服务成本的有所不同，即使服务提供商提供相同时间和相同质量的服务，获得收益却有多有少。其次，现有的多目标优化方法，大多只适用于单纯的连续或离散类型的决策变量，而云计算场景下资源调度的收益最大化问题，其决策变量具有混合类型且维度数量不固定等的特点。针对这类的问题，目前没有一个较为完善的、系统的解决方案。另外，多目标进化优化过程中，中间种群的信息往往暗示了最优解的部分特性，如果能够利用这些信息，会对整个搜索过程产生有益的影响。而目前在云计算场景下广泛使用的多目标优化方法，在优化过程中没有考虑利用这些信息。

发明内容

针对现有技术的不足，本发明的目的是提供一种面向云计算的多目标资源调度方法，将云计算场景下资源调度的收益最大化问题建模成一个包含两个目标和多个约束的优化问题进行求解。

为实现上述技术效果，本发明提出了一种面向云计算的多目标资源调度方法，包括：

步骤1：根据待分配计算资源设置资源调度方案的编码方式；

步骤2：将计算资源调度问题转化为由两个目标优化和多个约束问题构成的数学模型；

步骤3：利用基于分布式估计的多目标优化算法求解数学模型得到一组最优的资源调度参考方案。