[发明专利]云任务分配方法及设备

说明书

本发明属于数据处理技术领域，公开了一种云任务分配方法及设备；该方法包括：根据改进蝴蝶优化算法确定初始蝴蝶种群；对初始蝴蝶种群中蝴蝶个体位置进行更新得到参考蝴蝶位置；根据参考蝴蝶位置得到参考分配方案并进行云任务分配；本发明通过改进优化蝴蝶算法对云任务的调度可能进行模拟，并根据该改进蝴蝶优化算法确定的初始蝴蝶种群得到个体适应度最高的参考蝴蝶位置，根据参考蝴蝶位置进一步得到最佳的云任务调度方案，根据该方案进行云任务调度，解决了因为没有考虑执行总时间以及负载均衡导致云任务分配不合理的问题，实现了更加均衡的将云任务分配到多个资源上的合理分配。

技术领域

本发明涉及数据处理技术领域，尤其涉及一种云任务分配方法及设备。

背景技术

云任务调度不同于传统的任务调度问题，需要考虑的因素更多更复杂。首先，其用户执行任务时的QoS需求更加多样性，如需要满足服务响应时间或需要考虑服务提供方的负载平衡等问题。其次，云服务具有异质性、动态性和弹性等特征。最后，用户向云端提交任务时，需要满足预定义的截止时间约束。此时的云任务调度问题本质上是联合优化问题。目前的研究中，一些工作主要集中于执行时间的优化，但是，目前由于云计算的市场化特征，资源供求双方的利益都必须在进行任务调度时考虑在内，这是相关研究缺乏的地方。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供一种云任务分配方法，旨在解决现有技术因为没有考虑执行总时间以及负载均衡导致云任务分配不合理的技术问题。

为实现上述目的，本发明提供了一种云任务分配方法，所述方法包括以下步骤：

根据改进蝴蝶优化算法确定初始蝴蝶种群；

对所述初始蝴蝶种群中蝴蝶个体位置进行更新得到参考蝴蝶位置；

根据所述参考蝴蝶位置得到参考分配方案；

根据所述参考分配方案进行云任务分配。

可选地，所述根据改进蝴蝶优化算法确定初始蝴蝶种群，包括：

根据云任务量、资源量得到种群规模以及搜索维度；

根据所述种群规模以及所述搜索维度得到蝴蝶个体位置；

基于所述蝴蝶个体位置得到初始化蝴蝶种群。

可选地，所述对所述初始蝴蝶种群中蝴蝶个体位置进行更新得到参考蝴蝶位置，包括：

对所述初始蝴蝶种群中蝴蝶个体进行识别得到全局搜索蝴蝶个体和局部开发蝴蝶个体；

对所述全局搜索蝴蝶个体的蝴蝶位置进行更新得到参考全局搜索蝴蝶位置；

对所述局部开发蝴蝶个体的蝴蝶位置进行更新得到参考局部开发蝴蝶位置；

根据所述参考全局搜索蝴蝶位置以及所述参考局部开发蝴蝶位置得到参考蝴蝶位置。

可选地，所述对所述初始蝴蝶种群中蝴蝶个体进行识别得到全局搜索蝴蝶个体和局部开发蝴蝶个体之前，还包括：

获取调度因子、实际工作时间以及适应度参数；

根据所述调度因子、所述实际工作时间以及所述适应度参数建立适应度函数；

根据所述适应度函数计算蝴蝶个体的个体适应度；

根据所述个体适应度得到最大个体适应度以及最小个体适应度；

根据所述最大个体适应度以及所述最小个体适应度进行计算得到个体切换概率。

可选地，所述对所述初始蝴蝶种群中蝴蝶个体进行识别得到全局搜索蝴蝶个体和局部开发蝴蝶个体，包括：