一种基于改进遗传算法的批处理科学工作流任务调度算法制造技术

本发明专利技术涉及一种基于改进遗传算法的批处理科学工作流任务调度算法，包括以下步骤：根据整数编码方式，生成初始种群；根据适应度函数值，不断进行遗传算法的交叉变异操作，淘汰劣质解，生成新的优质解；经过多次迭代根据适应度函数保留一个最优解；在不改变最优解关键路径的基础上进行非关键路径虚拟机使用数量收缩操作，得到最终解，并将最终解输出。本发明专利技术设计合理，其能够高效地进行批处理科学工作流的任务调度，有利于降低批处理科学工作流任务调度过程中产生的任务调度成本以及任务调度时间，可广泛应用于多种不同规模的面向成本的云计算任务调度中。

【技术实现步骤摘要】
一种基于改进遗传算法的批处理科学工作流任务调度算法
本专利技术属于云计算任务调度
，尤其是一种基于改进遗传算法的批处理科学工作流任务调度算法。
技术介绍
随着计算机网络技术的发展，科技已经进入了大数据时代，每时每刻都会有大量的数据产生。数据是新型技术发展的背后动力，并且蕴含着无尽的商机，使得越来越多的企业投入到了数据领域的研究，作为分布式以及网格计算发展的云计算技术应运而生。在大数据时代，如何行之有效地管理日益增长数据量，如何从大量的数据当中提取出有用的信息，也就是说使数据由“数”到“据”的转化问题，成为当今IT企业以及研究机构迫切需要解决的难题。云计算致力于为人们提供快速且可靠的服务，而如何对任务进行高效合理的调度，实现系统全局最优化成为了限制云计算服务质量的关键因素。迄今为止，人们已经提出许多社区发现方法，Mao等开发了一个工作流计算系统GreePipe，该系统可以将工作流描述自动转换成一系列基于Hadoop的MapReduce任务，实现生物研究领域复杂的数据分析逻辑，该工作流属于不可拆分工作流。对于可拆分批处理工作流，大多数工作都直接采用更细的粒度进行建模，并直接采用DA本文档来自技高网...

【技术保护点】
1.一种基于改进遗传算法的批处理科学工作流任务调度算法，其特征在于包括以下步骤：步骤1.根据整数编码方式，生成初始种群；步骤2.根据适应度函数值，不断进行遗传算法的交叉变异操作，淘汰劣质解，生成新的优质解；步骤3.经过多次迭代根据适应度函数保留一个最优解；步骤4.在不改变最优解关键路径的基础上进行非关键路径虚拟机使用数量收缩操作，得到最终解，并将最终解输出。

【技术特征摘要】
1.一种基于改进遗传算法的批处理科学工作流任务调度算法，其特征在于包括以下步骤：步骤1.根据整数编码方式，生成初始种群；步骤2.根据适应度函数值，不断进行遗传算法的交叉变异操作，淘汰劣质解，生成新的优质解；步骤3.经过多次迭代根据适应度函数保留一个最优解；步骤4.在不改变最优解关键路径的基础上进行非关键路径虚拟机使用数量收缩操作，得到最终解，并将最终解输出。2.根据权利要求1所述的一种基于改进遗传算法的批处理科学工作流任务调度算法，其特征在于：所述步骤1的具体实现方法为：按照时间成本比最优的虚拟机配置方式生成每个任务节点最佳的虚拟机配置方式，一部分初始解按照每个任务节点所对应需求类型的虚拟机类型进行随机生成，另一部分初始解按照完全随机的方式进行初始解生成。...

【专利技术属性】
技术研发人员：熊聪聪，陈长博，赵青，
申请(专利权)人：天津科技大学，
类型：发明
国别省市：天津,12