【技术实现步骤摘要】
一种带结果收集的多趟调度模型的求解方法及系统
本专利技术属于信息
，尤其涉及一种带结果收集的多趟调度模型的求解方法及系统。
技术介绍
目前，最接近的现有技术：随着科学技术的蓬勃发展，数据规模呈爆炸式增长。目前存在大量大数据相关应用，例如大规模雷达图像的快速处理、大数据检索和分类、生物数据的快速分析、高清视频的快速格式转换、大规模矩阵的快速运算和数据流的实时处理等，这些大规模应用都需要在分布式计算平台上进行并行处理以便减少任务的处理时间。任务的处理效率很大程度上取决于任务调度方案的优劣。已有的任务调度模型主要分为两类：单趟调度和多趟调度。在单趟调度模型中，主处理机将任务分成同从处理机数目相等的份数，并按照处理机调度顺序依次为从处理机传输任务，每个从处理机仅接收并计算一次任务。由于单趟调度分配给每台从处理机的任务量较大，因此后参与计算的处理机可能存在较长的等待时间。鉴于此，多趟调度通过将任务多批次的分配给每个从处理机来减少处理机的等待时间，从而提高任务的处理效率。然而，已有多趟调度模型均假设任务计算后得到的...
【技术保护点】
1.一种带结果收集的多趟调度模型的求解方法，其特征在于，所述带结果收集的多趟调度模型的求解方法包括以下步骤：/n步骤1，给定处理机调度顺序、调度趟数和处理机数目，构建的任务分配方案；建立带结果收集的多趟可分任务调度模型；/n步骤2，求解带结果收集的多趟调度模型，得到最优处理机调度顺序、最优调度趟数和最优任务分配方案，得到任务的最短完成时间。/n
【技术特征摘要】
1.一种带结果收集的多趟调度模型的求解方法，其特征在于，所述带结果收集的多趟调度模型的求解方法包括以下步骤：
步骤1，给定处理机调度顺序、调度趟数和处理机数目，构建的任务分配方案；建立带结果收集的多趟可分任务调度模型；
步骤2，求解带结果收集的多趟调度模型，得到最优处理机调度顺序、最优调度趟数和最优任务分配方案，得到任务的最短完成时间。
2.如权利要求1所述带结果收集的多趟调度模型的求解方法，其特征在于，步骤1中，所述给定处理机调度顺序、调度趟数和处理机数目，构建的任务分配方案：
其中，
p0为主处理机，{p1,p2,…,pn}为从处理机；{l1,l2,…,ln}为p0连接至从处理机{p1,p2,…,pn}的通信链路；Λ＝(λ1,λ2,…,λn)为从处理机的调度顺序，其中(λ1,λ2,…,λn)为(1,2,…,n)的排列；m为调度趟数，n为参与调度的从处理机的数目，其中，W为总任务量，V为每一趟的调度任务大小；
αi,βi,γi分别表示从处理机在第一趟调度、内部调度以及最后一趟调度所分配的任务大小；βi是β1的线性函数，μi是该函数的斜率，vi是该函数的截距；αi是α1和β1的线性函数，Δi是α1的系数，Hi是β1的系数，φi是该函数的截距；γi是γ1和β1的线性函数，Γi是γ1的系数，-Ei是β1的系数，ψi是该函数的截距；oi为链路li的通信启动开销；zi为li传输单位任务所花费的时间；si为从处理机pi的计算启动开销；wi为从处理机pi的计算单位任务所花费的时间；θ为总结果收集量与总任务量的比率。
3.如权利要求1所述带结果收集的多趟调度模型的求解方法，其特征在于，步骤1中，建立的带结果收集的多趟可分任务调度模型：
此模型的约束条件为：
0＜αi,βi,γi＜V，i＝1,2,…,n；
m≥3；
其中，α1、β1、γ1满足任务分配方案公式。
4.如权利要求1所述带结果收集的多趟调度模型的求解方法，其特征在于，所述步骤2具体步骤包括：
步骤2.1：设种群规模为N，交叉概率为pcross，变异概率为pmut，精英数量为E，最大遗传代数为MaxGen；
步骤2.2：产生从N个1到n的n位随机排列数作为初始种群Pop(0)；对于任意的个体Λ∈Pop(0)，通过设计一种算法计算出最优趟数m，根据多趟可分任务调度模型公式计算任务的最短完成时间T(m,Λ)，将1/T作为个体Λ的适应度值；令代数t＝0；
步骤2.3：对父代中的每对个体，依交叉概率进行交叉，交叉算子为：随机选取两个切点X和Y，交换这对父代两个切点之间的顺序值，并为这两个切点之间的顺序值建立映射关系，将所建立的映射化为最简映射，基于这个映射关系将父代中除这两个切点之间的其他顺序值按最简映射关系转换，生成两个子代个体；令交叉生成的所有子代个体为O1(t)；
步骤2.4：对O1(t)中的所有个体，依变异概率进行变异，变异算子为：令当前个体被选中的个体Λ＝{λ1,λ2,…,λn}，对生成一个0到1的随机数r，若r≤pmut，则随机交换λi与Λ中的其他基因；令变异生成的所有子代个体为O2(t)；
步骤2.5：求得O1(t)∪O2(t)中每个个体对应的最优调度趟数，根据多趟可分任务调度模型公式得到任务完成时间；个体的适应度为任务完成时间的倒数；
步骤2.6：从Pop(t)∪O1(t)∪O2(t)中选出E个精英个体直接保留到下一代，再用轮盘赌从Pop(t)∪O1(t)∪O2(t)选择Popsize-E个个体组成下一代，并令t＝t+1；
步骤2.7：若t≤MaxGen，则转至步骤2.3继续执行，否则停止该算法，得到当前种群的最好的解，即为该算法得到的最优处理机调度顺序Λ*；
步骤2.8：由种群的最优个体Λ*＝{λ1,λ2,…,λn}求得最优调度趟数m*，根据多趟可分任务调度模型公式计算出最优的任务调度时间T(m*,Λ*)。
5.如权利要求4所述带结果收集的多趟调度模型的求解方法，其特征在于，所述步骤2.2求解最优趟数算法具体实现步骤包括：
步骤2.2.1：记调度顺序为Λ，处理机数量为n，任务量为W，令趟数下界lower＝3，步长step＝2；
步骤2.2.2：令上界upper＝lower+step，当前趟数m＝upper，根据任务分配方案公式计算αi,βi,γi，其中i＝1,2,…,n；
步骤2.2.3：当i＝1,2,…,n时，若或或则说明(upper,Λ)为不可行解，令upper＝upper-1，转至步骤2.2.5，否则执行步骤2.2.4；
步骤2.2.4：令mid＝(lower+upper)/2，计算T(mid,Λ)和T(upper,Λ)；若T(mid,Λ)＞T(upper,Λ)，则令step＝step×2，lower＝mid，转至步骤2.2.2，否则执行步骤2.2.5；
步骤2.2.5：若lower≥upper，则最优趟数m*＝upper，程序终止输出m*，否则转至步骤2.2.6；
步骤2.2.6：令mid＝(lower+upper)/2，m＝mid，计算αi,βi,γi，i＝1,2,…,n；
步骤2.2....
【专利技术属性】
技术研发人员：朱海，王晓丽，宋嘉明，刘鸿鹄，段婷，徐恒舟，王洪峰，许蒙蒙，
申请(专利权)人：周口师范学院，西安电子科技大学，
类型：发明
国别省市：河南;41
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。