一种云计算系统中资源调度的方法及系统技术方案

本发明专利技术公开了云计算系统中资源调度的方法，该方法对每个子种群局部搜索时利用蛙跳更新公式计算更新青蛙的位置，并计算其适应度判断其是否优于最差青蛙的适应度，若优于则用更新青蛙的位置代替最差青蛙的位置，若不优于则用整个种群的最优青蛙的位置代替最差青蛙的位置，并判断更新后得到的更新青蛙的适应度是否优于最差青蛙的适应度，若优于则用更新青蛙的位置代替最差青蛙的位置，若不优于则利用双学习因子公式产生一个新步长，并根据变异概率对新步长进行变异，得到更新青蛙的位置并代替最差青蛙的位置，并计算其适应度；该方法能够同时在任务调度的最优时间跨度和负载均衡方面具有良好表现；本发明专利技术还公开了一种云计算系统中资源调度的系统。

Method and system for resource scheduling in cloud computing system

The invention discloses a method for resource scheduling in cloud computing, the location method for each sub population of local search by leapfrog update formula calculation and update the frog, and calculate the fitness to determine whether it is better than the worst fitness frog, if better than with updated position instead of the worst frog frog position, if it is no better than the optimal position of the entire population of the frog instead of the worst frog position, and update the update after the judge frog fitness is better than the worst fitness frog, if better than with updated position instead of the worst frog frog position, if not better than using the double factor formula to produce a learning a new step, and according to the mutation rate variation on the new step, updated the frog position and replace the worst frog position, and calculate the fitness; the method can be the same The invention has the advantages of good performance of the optimal time span and load balance of the task scheduling, and also discloses a resource scheduling system in the cloud computing system.

【技术实现步骤摘要】

本专利技术涉及云计算
，特别涉及一种云计算系统中资源调度的方法及系统。
技术介绍
随着信息时代的快速发展，在分布式计算、并行计算和网络计算逐步发展成熟的基础上，云计算应运而生。作为一种新兴的商业计算模型，云计算已经成为了工业界和学术界研究的热点。云计算系统中，可按需进行动态地部署、配置、重新配置和取消服务。然而，由于不断增长的用户量和云计算网络中节点的异构性和复杂性，如何及时、高效地进行任务调度，合理地利用资源，提高资源利用率和任务执行的效率，成为云计算研究的核心问题之一。近年来，众多学者提出或优化了很多算法应用于任务调度，如蚁群算法、模拟退火算法、粒子群优化算法、遗传算法等。现有的算法虽然可以在某个角度提高任务调度效率，但是也存在其局限性，如一般的任务调度算法很难同时在最优时间跨度和负载均衡方面均表现良好。因此，如何同时在任务调度的最优时间跨度和负载均衡方面表现良好，是本领域技术人员需要解决的技术问题。
技术实现思路
本专利技术的目的是提供一种云计算系统中资源调度的方法及系统，能够同时在任务调度的最优时间跨度和负载均衡方面具有良好表现。为解决上述技术问题，本专利技术提供一种云计算系统中资源调度的方法，包括：建立适应度函数及资源调度分配矩阵；初始化双学习能力混合蛙跳算法的基本参数；计算各青蛙的适应度，根据所述适应度将青蛙降序排列，并按照分配规则，将青蛙分配到各子种群中；对每个子种群均进行局部搜索，利用蛙跳更新公式计算更新青蛙的位置，并计算其适应度，判断更新青蛙的适应度是否优于最差青蛙的适应度，若优于最差青蛙的适应度，则用更新青蛙的位置代替最差青蛙的位置，若不优于最差青蛙的适应度，则用整个种群的最优青蛙的位置代替最差青蛙的位置，并判断更新后得到的更新青蛙的适应度是否优于最差青蛙的适应度，若优于最差青蛙的适应度，则用更新青蛙的位置代替最差青蛙的位置，若不优于最差青蛙的适应度，则利用双学习因子公式产生一个新步长，并根据变异概率对新步长进行变异，并根据变异结果得到更新青蛙的位置并代替最差青蛙的位置，并计算其适应度；将所有青蛙混合排序，并判断是否满足终止条件，若是，则输出最优解；按照解码规则对所述最优解进行解码，得到云计算系统中资源调度分配结果。其中，建立适应度函数及资源调度分配矩阵，包括：建立适应度函数F(X)＝ω*Time(X)+(1-ω)*Load(X)；建立资源调度分配矩阵X＝[x1,x2,...,xn]，xi∈[1,m+1)且xi为实数；其中，ω∈(0,1]为权值因子，Time(X)为最优跨度时间综合值，Load(X)为负载平衡因子，xi为第i个任务所分配的虚拟机编号。其中，对每个子种群均进行局部搜索，利用蛙跳更新公式计算更新青蛙的位置，并计算其适应度，包括：将每个子种群中适应度最小的青蛙作为最优青蛙，适应度最大的青蛙作为最差青蛙；利用Di＝rand()*(Xb-Xw),i＝1,2,...,N及计算每个子种群中更新青蛙的位置；其中，rand为[0,1]之间的随机数，Xb为子种群中最优青蛙的位置，Xw表示子种群最差青蛙的位置，Di为生成的步长，Dmax为可移动最大步长，为子种群中更新青蛙的位置。其中，利用双学习因子公式产生一个新步长，并根据变异概率对新步长进行变异，并根据变异结果得到更新青蛙的位置并代替最差青蛙的位置，并计算其适应度，包括：利用Di＝c1rand*(Xb-Xw)+c2rand*(Xg-Xw),i＝1,2,...,N计算得到新步长；根据产生的随机数rand与变异概率CR进行比较的结果公式用于计算每一维度的步长是否需要变异；若产生的随机数rand大于CR，则根据公式对步长进行变异，并利用计算更新青蛙的位置；若随机数rand不大于CR，则步长不进行变异，利用步长计算得到更新青蛙的位置，并将更新青蛙的位置代替最差青蛙的位置；其中，Di为生成的步长，rand为[0,1]之间的随机数，Xb为子种群中最优青蛙的位置，c1表示自我学习因子，c2表示社会学习因子，Xg表示整个种群最优青蛙的位置，Xw表示子种群最差青蛙的位置，Did为第i个解第d维生成的步长，MaxVald为第d维取值上界，MinVald表示第d维取值下界，为子种群中更新青蛙的位置。其中，利用双学习因子公式产生一个新步长，并根据变异概率对新步长进行变异，并根据变异结果得到更新青蛙的位置并代替最差青蛙的位置，并计算其适应度之后，还包括：判断局部搜索的次数是否达到预定次数值，若否，则重复进行局部搜索操作。其中，按照解码规则对所述最优解进行解码，得到云计算系统中资源调度分配结果，包括：利用X'＝[|x1|,|x2|,...,|xm|]对所述最优解进行解码，得到云计算系统中资源调度分配结果；其中，xi∈[1,m+1)且xi为实数，|xi|表示对xi向下取整，解码后每一维上的数值代表对应任务所分配的虚拟机编号。本专利技术提供一种云计算系统中资源调度的系统，包括：函数建立模块，用于建立适应度函数及资源调度分配矩阵；初始化模块，用于初始化双学习能力混合蛙跳算法的基本参数；其中，所述基本参数包括种群规模，子种群数量，每个子种群数量，子种群内迭代次数；子种群确定模块，用于计算各青蛙的适应度，根据所述适应度将青蛙降序排列，并按照分配规则，将青蛙分配到各子种群中；局部搜索模块，用于对每个子种群均进行局部搜索，利用蛙跳更新公式计算更新青蛙的位置，并计算其适应度，判断更新青蛙的适应度是否优于最差青蛙的适应度，若优于最差青蛙的适应度，则用更新青蛙的位置代替最差青蛙的位置，若不优于最差青蛙的适应度，则用整个种群的最优青蛙的位置代替最差青蛙的位置，并判断更新后得到的更新青蛙的适应度是否优于最差青蛙的适应度，若优于最差青蛙的适应度，则用更新青蛙的位置代替最差青蛙的位置，若不优于最差青蛙的适应度，则利用双学习因子公式产生一个新步长，并根据变异概率对新步长进行变异，并根据变异结果得到更新青蛙的位置并代替最差青蛙的位置，并计算其适应度；最优解输出模块，用于将所有青蛙混合排序，并判断是否满足终止条件，若是，则输出最优解；资源调度分配模块，用于按照解码规则对所述最优解进行解码，得到云计算系统中资源调度分配结果。其中，所述函数建立模块包括：第一建立单元，用于建立适应度函数F(X)＝ω*Time(X)+(1-ω)*Load(X)；第二建立单元，用于建立资源调度分配矩阵X＝[x1,x2,...,xn]，xi∈[1,m+1)且xi为实数；其中，ω∈(0,1]为权值因子，Time(X)为最优跨度时间综合值，Load(X)为负载平衡因子，xi为第i个任务所分配的虚拟机编号。其中，所述局部搜索模块包括：更新青蛙计算单元，用于将每个子种群中适应度最小的青蛙作为最优青蛙，适应度最大的青蛙作为最差青蛙；利用Di＝rand()*(Xb-Xw),i＝1,2,...,N及计算每个子种群中更新青蛙的位置；新步长计算单元，用于利用Di＝c1rand*(Xb-Xw)+c2rand*(Xg-Xw),i＝1,2,...,N计算得到新步长；变异计算单元，用于根据产生的随机数rand与变异概率CR进行比较的结果公式用于计算每一维度的步长是否需要变异；若产生的随机数rand大于CR，则根据公式对步长进行变异，并利用计算更新本文档来自技高网...

【技术保护点】
一种云计算系统中资源调度的方法，其特征在于，包括：建立适应度函数及资源调度分配矩阵；初始化双学习能力混合蛙跳算法的基本参数；计算各青蛙的适应度，根据所述适应度将青蛙降序排列，并按照分配规则，将青蛙分配到各子种群中；对每个子种群均进行局部搜索，利用蛙跳更新公式计算更新青蛙的位置，并计算其适应度，判断更新青蛙的适应度是否优于最差青蛙的适应度，若优于最差青蛙的适应度，则用更新青蛙的位置代替最差青蛙的位置，若不优于最差青蛙的适应度，则用整个种群的最优青蛙的位置代替最差青蛙的位置，并判断更新后得到的更新青蛙的适应度是否优于最差青蛙的适应度，若优于最差青蛙的适应度，则用更新青蛙的位置代替最差青蛙的位置，若不优于最差青蛙的适应度，则利用双学习因子公式产生一个新步长，并根据变异概率对新步长进行变异，并根据变异结果得到更新青蛙的位置并代替最差青蛙的位置，并计算其适应度；将所有青蛙混合排序，并判断是否满足终止条件，若是，则输出最优解；按照解码规则对所述最优解进行解码，得到云计算系统中资源调度分配结果。

【技术特征摘要】
1.一种云计算系统中资源调度的方法，其特征在于，包括：建立适应度函数及资源调度分配矩阵；初始化双学习能力混合蛙跳算法的基本参数；计算各青蛙的适应度，根据所述适应度将青蛙降序排列，并按照分配规则，将青蛙分配到各子种群中；对每个子种群均进行局部搜索，利用蛙跳更新公式计算更新青蛙的位置，并计算其适应度，判断更新青蛙的适应度是否优于最差青蛙的适应度，若优于最差青蛙的适应度，则用更新青蛙的位置代替最差青蛙的位置，若不优于最差青蛙的适应度，则用整个种群的最优青蛙的位置代替最差青蛙的位置，并判断更新后得到的更新青蛙的适应度是否优于最差青蛙的适应度，若优于最差青蛙的适应度，则用更新青蛙的位置代替最差青蛙的位置，若不优于最差青蛙的适应度，则利用双学习因子公式产生一个新步长，并根据变异概率对新步长进行变异，并根据变异结果得到更新青蛙的位置并代替最差青蛙的位置，并计算其适应度；将所有青蛙混合排序，并判断是否满足终止条件，若是，则输出最优解；按照解码规则对所述最优解进行解码，得到云计算系统中资源调度分配结果。2.根据权利要求1所述的云计算系统中资源调度的方法，其特征在于，建立适应度函数及资源调度分配矩阵，包括：建立适应度函数F(X)＝ω*Time(X)+(1-ω)*Load(X)；建立资源调度分配矩阵X＝[x1，x2，...，xn]，xi∈[1，m+1)且xi为实数；其中，ω∈(0,1]为权值因子，Time(X)为最优跨度时间综合值，Load(X)为负载平衡因子，xi为第i个任务所分配的虚拟机编号。3.根据权利要求2所述的云计算系统中资源调度的方法，其特征在于，对每个子种群均进行局部搜索，利用蛙跳更新公式计算更新青蛙的位置，并计算其适应度，包括：将每个子种群中适应度最小的青蛙作为最优青蛙，适应度最大的青蛙作为最差青蛙；利用Di＝rand()*(Xb-Xw),i＝1,2,...,N及-Dmax≤Di≤Dmax；i＝1，2，...，N计算每个子种群中更新青蛙的位置；其中，rand为[0,1]之间的随机数，Xb为子种群中最优青蛙的位置，Xw表示子种群最差青蛙的位置，Di为生成的步长，Dmax为可移动最大步长，为子种群中更新青蛙的位置。4.根据权利要求3所述的云计算系统中资源调度的方法，其特征在于，利用双学习因子公式产生一个新步长，并根据变异概率对新步长进行变异，并根据变异结果得到更新青蛙的位置并代替最差青蛙的位置，并计算其适应度，包括：利用Di＝c1rand*(Xb-Xw)+c2rand*(Xg-Xw),i＝1,2,...,N计算得到新步长；根据产生的随机数rand与变异概率CR进行比较的结果公式用于计算每一维度的步长是否需要变异；若产生的随机数rand大于CR，则根据公式对步长进行变异，并利用计算更新青蛙的位置；若随机数rand不大于CR，则步长不进行变异，利用步长计算得到更新青蛙的位置，并将更新青蛙的位置代替最差青蛙的位置；其中，Di为生成的步长，rand为[0,1]之间的随机数，Xb为子种群中最优青蛙的位置，c1表示自我学习因子，c2表示社会学习因子，Xg表示整个种群最优青蛙的位置，Xw表示子种群最差青蛙的位置，Did为第i个解第d维生成的步长，MaxVald为第d维取值上界，MinVald表示第d维取值下界，为子种群中更新青蛙的位置。5.根据权利要求4所述的云计算系统中资源调度的方法，其特征在于，利用双学习因子公式产生一个新步长，并根据变异概率对新步长进行变异，并根据变异结果得到更新青蛙的位置并代替最差青蛙的位置，并计算其适应度之后，还包括：判断局部搜索的次数是否达到预定次数值，若否，则重复进行局部搜索操作。6.根据权利要求5所述的云计算系统中资源调度的方法，其特征在于，按照解码规则对所述最优解进行解码，得到云计算系统中资源调度分配结果，包...

【专利技术属性】
技术研发人员：刘竹松，陈洁，李志科，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：广东;44