[发明专利]一种计算密集型批处理任务的调度方法和系统

摘要

本发明公开了一种计算密集型批处理任务的调度方法，属于分布式计算任务调度领域，本发明主要针对遗传算法在任务调度中具有多点寻优能力但易收敛而模拟退火算法在任务调度中局部搜索能力极强却不具备并行性的问题提出了一种基于混合改进遗传模拟退火算法的计算密集型批处理任务调度策略，它首先对遗传算法的初始化方法、选择算子、交叉算子、交叉概率、变异概率和算法的终止条件做出一定的改进，然后将改进遗传算法产生的多个解作为模拟退火算法的输入，同时对多个解进行模拟退火并将结果中最优秀的解作为算法的最终解。该策略综合了遗传算法多点寻优和模拟退火算法局部搜索能力强的优势，更能减少任务完成时间，保障系统的负载均衡性。

主权项

1.一种计算密集型批处理任务的调度方法，其特征在于，包括以下步骤：(1)按照编码规则产生2N个染色体，从2N个染色体中选择适应度最大的0.5N个染色体，在剩下的1.5N个染色体中随机选取0.5N个染色体，最优秀的0.5个染色体和随机选取的0.5N个染色体组成当前迭代种群，其中N是是0到正无穷的奇数；(2)设置迭代次数cGen＝0；(3)判断迭代次数cGen是否小于迭代次数阈值，如果是则转入步骤(4)，否则转入步骤(12)；(4)获取当前迭代种群中每个染色体的适应度，并根据轮盘赌选择算法获取每个染色体在后续选择过程中被选中的概率区间；(5)根据步骤(4)中获取的当前迭代种群中每个染色体的适应度确定适应度最大的染色体，将其放入当前迭代种群的下一代迭代种群中；(6)判断当前迭代种群的下一代迭代种群中染色体的总数是否小于N，如果是则转入步骤(7)，否则将迭代次数cGen加一，并将该下一代迭代种群设置为当前迭代种群，并返回步骤(3)；(7)根据步骤(4)获取的每个染色体在后续选择过程中被选中的概率区间并使用轮盘赌选择算法从当前迭代种群中选择两个染色体，并判断选择的两个染色体的自适应交叉概率是否大于0到1之间的第一随机数，如果是则转入步骤(8)，否则将这两个染色体作为交叉运算结果，然后进入步骤(9)；(8)使用交叉算子对选择的两个染色体进行运算，以得到交叉运算结果；(9)判断交叉运算结果中一个染色体的自适应变异概率p_m是否大于0到1之间的第二随机数，如果是则转入步骤(10)，否则将该染色体作为变异运算结果放入当前迭代种群的下一代迭代种群中，然后进入步骤(11)；(10)使用单点变异算子对该染色体进行运算，以得到运算结果，选择该运算结果的适应度与该染色体的适应度中较大值所对应的染色体作为变异运算结果并放入当前迭代种群的下一代迭代种群中；(11)针对交叉运算结果中的另一个染色体，重复上述步骤(9)和(10)，然后返回步骤(6)；(12)使用模拟退火算法对当前迭代种群中的每个染色体进行多次迭代处理，每次迭代处理均得到一个计算结果，从多次迭代处理得到的多个计算结果中选择最大值作为最终的退火计算结果，从所有染色体的最终的退火计算结果中选择最大值对应的染色体作为全局最优解作为调度结果。