[发明专利]一种基于DAG人工蜂群的任务流调度方法

权利要求书

1.一种基于DAG人工蜂群的任务流调度方法，其特征在于，包括如下步骤：

步骤A.定义人工蜂群算法的相关参数，构建蜂群模型，所述参数包括：种群规模，蜜源集合中蜜源的个数，最大循环次数，蜜源最大采集次数；

步骤B.生成蜜源，具体包括以下子步骤：

步骤B1.获取任务流，所述任务流中包括若干子任务，按以下方式根据任务流构建有向无环图：以子任务为结点、子任务之间的依赖关系为边，构建得到有向无环图；建立蜜源，所述蜜源为每次循环生成的分配方案的集合；

步骤B2.找出有向无环图中所有入度为0的子任务，生成一个子任务集合，所述子任务集合中的元素为所述有向无环图中入度为0的子任务；

先判断入度为0的子任务数量是否大于虚拟机的数量，并按以下方式得到子任务集合中子任务的分配方案：

若入度为0的子任务数量不大于虚拟机的数量，则将所述子任务集合中的入度为0的子任务分配至不同的虚拟机，否则将所述入度为0的子任务在所有的虚拟机中进行随机分配；

所述分配方案中包括若干个对应关系，所述对应关系是指分配方案中，子任务与被分配处理该子任务的虚拟机之间一一对应的关系；将所述对应关系作为蜜源中的元素，放入所述蜜源中，然后进入步骤B3；

步骤B3.将步骤B2中已经分配至虚拟机的子任务从所述有向无环图中移除，判断所述有向无环图中是否还有子任务，如果还有则重新进入B2执行，否则进入步骤B4；

步骤B4.计算蜜源的适应度，并设置蜜源采集次数为0，所述适应度代表任务流完成时间，其计算公式为：

MakeSpan(k)＝max{STFT(i)}

其中STFT(i)为子任务i的完成时间，MakeSpan(k)为分配方案k的完成时间；

所述子任务完成时间的计算方式如下：

STFT(i)＝STBT(i)+STET(i)

其中，STBT(i)为子任务i开始执行的时间；STET(i)为子任务i执行时间；

所述子任务执行时间STET的计算方式如下：

其中，len(i)为子任务i的数据长度；MIPS(j)为虚拟机j的单字长定点指令平均执行速度；

所述子任务开始执行的时间STBT，按以下公式计算：

STBT(i)＝max{STFT(k),max{STFT(ip)+DTT(ip)}}ip∈Pre(i)

其中，DTT(ip)表示在不同虚拟机执行的相互依赖的任务之间的数据传输时间；Pre(i)表示子任务i的前继任务；STFT(k)表示虚拟机上最后一个任务k的完成时间；STFT(ip)表示子任务i的前继任务的完成时间；

步骤C.在所述蜂群模型中，设置采蜜蜂基于其对应的蜜源生成一个新蜜源，并与采蜜蜂生成所述新蜜源之前的原蜜源进行对比，选择新蜜源与原蜜源之中适应度较低的蜜源，并更新蜜源采集次数；

步骤D.在所述蜂群模型中，设置观察蜂采用轮盘赌算法跟随采蜜蜂生成蜜源，并与原蜜源进行对比，选择适应度较低的蜜源，并更新蜜源采集次数；

步骤E.在所述蜂群模型中，查询所有蜜源的采集次数，若蜜源的采集次数达到上限，侦查蜂则根据步骤B的方式生成新的蜜源；

步骤F.更新最佳蜜源信息，所述最佳蜜源是指适应度最小的蜜源；

步骤G.判断循环次数是否达到步骤A中设定的最大循环次数，若达到则结束循环，输出最佳蜜源信息作为调度方案，否则循环次数增加1并重新进入步骤C。

2.根据权利要求1所述一种基于DAG人工蜂群的任务流调度方法，其特征在于，所述步骤C具体包括如下步骤：

步骤C1：所述蜂群模型中的采蜜蜂在其对应的蜜源中，随机选择一个子任务设为子任务i，然后进入步骤C2；

步骤C2：获取包含子任务i的子任务集合，并获取所述子任务集合中子任务的分配方案，然后进入步骤C3；

步骤C3：根据步骤C2获取的分配方案，将该子任务i随机分配给未在分配方案中的虚拟机，若不存在未在分配方案中的虚拟机，则将子任务i随机分配给所有的虚拟机中的任意一个；通过上述方式更改分配方案，基于更改后的分配方案生成一个新的蜜源，然后进入步骤C4；

步骤C4：计算新生成蜜源的适应度值，并和更改分配方案之前的原蜜源进行比较，选择适应度较低的蜜源，如果选择原蜜源，则原蜜源采集次数加1，反之则设置新生成蜜源采集次数为0，然后进入步骤D。

3.根据权利要求2所述一种基于DAG人工蜂群的任务流调度方法，其特征在于，步骤D中，所述生成蜜源的方式与采蜜蜂生成蜜源的方式相同，所述轮盘赌算法中，所述采蜜蜂被所述观察蜂选中的概率按以下公式得到：

其中，n代表蜜源个数。