[发明专利]基于自适应粒子群算法的云中工作流成本优化调度方法

说明书

本发明针对云中工作流期限约束下成本优化问题，提出一种基于自适应粒子群算法的云中工作流成本优化调度方法。该方法将工作流的调度问题和目标函数形式化，采用自适应粒子群算法对任务排序，用基于概率向上权值排序的方法分配任务的子截止日期，在任务分配阶段使用空闲时间槽和成本增量最小规则进行任务分配，减少工作流在截止期限下的执行成本。在该粒子群算法中采用自适应惯性权重、动态认知因子并结合遗传算法中交叉变异操作，在不同阶段调整算法的全局和局部搜索能力，降低粒子陷入局部最优的可能性。本发明提出的方法可以有效降低截止期限下云中工作流执行的总成本。

技术领域

本发明属于云计算环境下的工作流调度领域，具体涉及一种基于自适应粒子群算法的云中工作流成本优化调度方法。

背景技术

随着云计算机技术的不断发展，工作流在天文学、地质学、生物学等大规模科学中广泛应用，云计算按需资源供应以及即付即用的模式为用户提供了较好的资源扩展方案。由于工作流中任务的相互依赖性、任务的复杂性以及其规模性问题，云中工作流调度是一个NP难问题。在现有的云中工作流调度方法中主要是基于传统调度算法和启发式算法两种方法。传统调度算法实现简单、算法时间复杂度相对较低，但是由于求解空间大和算法的复杂描述导致传统算法的整体效果不理想。启发式算法可以在短时间找到NP问题的近似解，现有启发式算法效果有所增加，但容易陷入局部最优或收敛速度快等问题，其效果也有所欠缺。

对于云中科学工作流调度而言,云中工作流具有截止日期的程序都必须在有限期限内完成。结合云环境中资源的动态特性，不仅可以高效的完成工作流的执行，而且可以降低租赁资源的成本，提高用户的服务质量。因此，提出一种基于自适应粒子群算法的云中工作流成本优化调度方法显得十分必要。

发明内容

本发明要解决的问题在于：针对云环境中工作流截止期限约束下调度的成本优化问题，提出一种基于自适应粒子群算法的云中工作流成本优化调度方法，旨在减少云中工作流在截止期限下执行工作流的成本。

为达成上述目的，本发明所采用的技术方案包括如下部分：

1.一种基于自适应粒子群算法的云中工作流成本优化调度方法，其具体步骤如下：

S1：定义云环境中工作流的任务约束关系、计算资源以及目标函数等；

S2：粒子群对工作流任务序列编码；

S3：工作流任务分配，计算粒子群中各粒子适应度；

S4：自适应更新粒子群，使全部粒子向局部最优和全局最优位置的方向移动；

S5：判断是否达到迭代结束条件，若是，则结束迭代，得到最优工作流调度方案；否则返回步骤S3。

2.步骤S1定义云环境中工作流的任务约束关系、计算资源以及目标函数，具体包含以下步骤：

S1-1：对工作流结构进行抽象：工作流应用程序用有向无环图DAG＝(V，E)表示，其中V＝{t₁，t₂，..，t_n}是有向无环图中任务节点的集合，每一个节点t_i表示一个不可分割的任务，任务工作量用w_i表示。E表示任务之间依赖关系的集合，e_ij＝{t_i，t_j}表示任务t_i和t_j之间的一种依赖关系，即任务t_j只能在任务t_i结束后才能开始执行。任务t_i和任务t_j之间的传输数据大小用data_ij来表示。为了一般化工作流模型，在工作流的开始处和结束处分别添加了执行时间为零且无任何数据传输的虚拟任务t_entry和t_exit；