[发明专利]基于粒子群优化算法的数字孪生云平台计算资源调度方法

权利要求书

1.一种基于粒子群优化算法的数字孪生云平台计算资源调度方法，其特征在于，包括：

确定可分配虚拟资源的数量；

确定资源调度任务的优化目标；所述优化目标中的决策变量为资源调度方案，所述资源调度方案为每个所述可分配虚拟资源运行的资源调度任务编号；

采用粒子群优化算法求解所述优化目标，得到最优的资源调度方案。

2.如权利要求1所述的方法，其特征在于，其中，采用粒子群优化算法求解所述优化目标，得到最优的资源调度方案，包括：

步骤S31，生成资源调度方案的初始种群，所述初始种群中的每个个体为初始资源调度方案；

步骤S32，针对当前种群中的每个个体，计算优化目标值；

步骤S33，根据所述优化目标值确定当前种群中最优的个体；

步骤S34，若计算优化目标值的次数达到最大评价次数，则结束，所述当前种群中最优的个体即为所述最优的资源调度方案；否则，执行步骤S35；

步骤S35，在所述当前种群中随机选择2个未选择过的个体，记为2个父代个体，采用模拟二进制交叉的方法进行交叉，得到2个子代个体；若2个子代个体的优化目标值优于2个父代个体的优化目标值，则将所述当前种群中的2个父代个体用2个子代个体替换；若2个子代个体的优化目标值不优于2个父代个体的优化目标值，则不作处理，设当前种群中个体数量为N，步骤S35重复执行次，然后执行步骤S36；

步骤S36，若上一代种群中最优个体与当前种群中最优个体之间的优化程度小于设定阈值，则对所有个体进行变异操作，得到变异后的子代种群；若变异后的子代种群个体的优化目标值优于变异前的个体的优化目标值，则将所述当前种群中的个体用所述变异后的个体替换，若变异后的个体的优化目标值不优于子代个体的优化目标值，则不作处理，执行步骤37；

步骤S37，对所述当前种群中的每个个体进行更新，返回步骤S32。

3.如权利要求2所述的方法，其特征在于，其中，对所述当前种群中的每个个体进行更新，包括：

采用以下公式更新个体的速度：

其中，c₁和C₂是加速因子，r₁和t₂是均匀分布在0～1的随机值，V_i^k+1是第k+1代种群中的第i个个体的速度，ω是惯性权值，V_i^k是第k代种群中的第i个个体的速度，是第1代到第k代所有种群中的最优个体的位置，是第k代种群中的第i个个体的位置，是第k代种群中的最优个体的位置；

采用以下公式更新个体的位置：

其中，是第k+1代种群中的第i个个体的位置，是第k代种群中的第i个个体的位置，V_i^k+1是第k+1代种群中的第i个个体的速度。

4.一种基于粒子群优化算法的数字孪生云平台计算资源调度装置，其特征在于，包括：

可分配虚拟资源数量确定模块，用于确定可分配虚拟资源的数量；

优化目标确定模块，用于确定资源调度任务的优化目标；所述优化目标中的决策变量为资源调度方案，所述资源调度方案为每个所述可分配虚拟资源运行的资源调度任务编号；

优化目标求解模块，用于采用粒子群优化算法求解所述优化目标，得到最优的资源调度方案。