[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

说明书

本申请涉及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，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；优化目标中的决策变量为资源调度方案，资源调度方案为每个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优化目标，得到最优的资源调度方案。本申请提出的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，在传统粒子群算法基础上结合交叉编译操作求解数字孪生云平台计算资源调度问题，有效提升云平台计算资源调度性能。

技术领域

本申请涉及云计算技术领域，具体地，涉及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。

背景技术

资源调度的概念是在具体的资源配置中，依据特定的资源配置规则和方法，在资源需求者之间进行资源调整的过程。在数字孪生云平台中，需要对云平台的计算资源根据任务按需分配，使云平台能够在分配有限资源给各个数字孪生任务，使得系统完成任务的总耗时最短，系统利用率最高。目前国内外许多学者都已经对云计算资源调度问题展开了广泛的研究。目前在对云平台计算资源方法，按照原理，可以分为传统方法和启发式算法。这些方法在应对规模较小，问题较简单的计算资源调度问题时能够得到较好结果，但是随着云平台计算资源的逐渐增加以及任务量的增多，这些算法逐渐出现响应时间长、容易陷入局部最优解、收敛效率差等问题，使得计算资源调度方案质量较低。

发明内容

为了克服现有技术中的至少一个不足，本申请提供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。

第一方面，提供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，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；优化目标中的决策变量为资源调度方案，资源调度方案为每个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优化目标，得到最优的资源调度方案。

在一个实施例中，采用粒子群优化算法求解优化目标，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，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，当前种群中最优的个体即为最优的资源调度方案；否则，执行步骤S35；

步骤S35，在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，则将当前种群中的个体用变异后的个体替换，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，对当前种群中的每个个体进行更新，返回步骤S32。

在一个实施例中，对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：