基于樽海鞘群的云任务调度方法、装置、设备及存储介质制造方法及图纸

本发明专利技术涉及云计算领域技术领域，尤其涉及一种基于樽海鞘群的云任务调度方法、装置、设备及存储介质。所述方法包括：获取待调度的云任务集合及云资源集合，根据云任务集合及云资源集合建立樽海鞘群并生成遗传算子；对樽海鞘群中的各樽海鞘个体进行适应度计算，并根据计算结果将樽海鞘群划分为第一樽海鞘群和第二樽海鞘群；根据计算结果对第一樽海鞘群进行位置信息更新；根据遗传算子对第二樽海鞘群进行位置信息更新；对更新后的樽海鞘群进行适应度计算，根据适应度计算结果确定适应度值最大的目标樽海鞘个体，并将其当前位置信息作为任务调度最优解；根据任务调度最优解将云任务集合中的云任务调度到云资源集合的云资源中。

Cloud task scheduling method, device, device and storage medium based on thalassur group

【技术实现步骤摘要】
基于樽海鞘群的云任务调度方法、装置、设备及存储介质
本专利技术涉及云计算领域
，尤其涉及一种基于樽海鞘群的云任务调度方法、装置、设备及存储介质。
技术介绍
云任务调度不同于传统的任务调度问题，需要考虑的因素更多更复杂。首先，其用户执行任务时的服务质量(QoS，QualityofService)需求越来越多样化，如：服务响应时间需求或者提供服务所需的代价等问题。其次，云服务在提供给用户时具有异质性、动态性和弹性等特征。最后，在提交任务时，需要满足用户预定义的时间或执行预算等方面的约束。此时的云任务调度问题本质上是一个联合优化问题。目前的研究中，一些工作主要集中于执行时间的优化，未考虑用户的预算约束。然而，由于云计算的市场化特征，用户使用云资源必须对其进行付费，一些工作则考虑了用户预算和截止时间约束。任务调度过程中的多约束条件下的多目标优化工作相对比较少。樽海鞘群优化算法是目前最新的智能群体算法之一，在2017年被研究人员首次提出，已经被应用于大数据领域中的特征选择问题、无缘时差定位等问题。樽海鞘群算法的思想源于樽海鞘的聚集行为，即樽海鞘链。该类生物是一种生活于海洋中的生物，其身体为透明的水桶型，与水母相似。樽海鞘通过吸收海水时产生的推动力进行移动。樽海鞘群体以链式结构顺次跟随移动。樽海鞘种群可以划分为两个群组：领导者和追随者。链首的樽海鞘称为领导者，它在寻找食物源过程中拥有最优的判断，引导整个种群的移动。除领导者以外，剩余的其它樽海鞘均称为追随者。追随者之间相互跟随，相互之间被直接或间接领导。搜索空间中的食物源即为樽海鞘种群的搜索目标。樽海鞘的群体行为与其它多数生物群体不同，利用了更为先进的群体更新机制。在每次迭代过程中，会对群体按适应性进行排序，每一个体都紧随前一个体进行移动，而不是所有个体都只向着当前的最优个体移动，这极大降低了搜索过程陷入局部最优的概率，其性能要优于同为智能群体算法的粒子群算法、遗传算法、蚁群算法以及蜂群算法等。此外，樽海鞘群算法的控制参数比较以上算法也更少，这样可以减少算法对于控制参数的依赖性。融合遗传算子和樽海鞘群群算法的先进性，可将二者应用在云计算任务调度方面，并在任务的完成时间、任务执行预算均有约束的条件下，在任务执行时间和执行代价间实现同步均衡优化，形成云任务调度的多目标均衡优化。
技术实现思路
本专利技术的主要目的在于提供一种基于樽海鞘群的云任务调度方法、装置、设备及存储介质，旨在解决优化云任务调度的技术问题。为实现上述目的，本专利技术提供了一种基于樽海鞘群的云任务调度方法，所述基于樽海鞘群的云任务调度方法包括：获取待调度的云任务集合及云资源集合，根据所述云任务集合及所述云资源集合建立樽海鞘群并生成遗传算子；对所述樽海鞘群中的各樽海鞘个体进行适应度计算，并根据计算结果将樽海鞘群划分为第一樽海鞘群和第二樽海鞘群；根据所述计算结果对所述第一樽海鞘群中各樽海鞘个体进行位置信息更新；根据所述遗传算子对所述第二樽海鞘群中各樽海鞘个体进行位置信息更新；对位置信息更新后的所有樽海鞘个体进行适应度计算，获得适应度计算结果；根据所述适应度计算结果确定适应度值最大的目标樽海鞘个体，并将所述目标樽海鞘个体的当前位置信息作为任务调度最优解；根据所述任务调度最优解将所述云任务集合中的云任务调度到所述云资源集合的云资源中。优选地，所述获取待调度的云任务集合及云资源集合，根据所述云任务集合及所述云资源集合建立樽海鞘群并生成遗传算子的步骤，具体包括：获取所述云资源集合中的云资源数及所述云任务集合的云任务数；根据所述云资源数设置樽海鞘个体数，将所述云任务数作为樽海鞘个体对应的位置信息数；根据所述樽海鞘个体数及所述位置信息数建立樽海鞘群，并根据所述樽海鞘群生成遗传算子。优选地，所述对所述樽海鞘群中的各樽海鞘个体进行适应度计算，并根据计算结果将樽海鞘群划分为第一樽海鞘群和第二樽海鞘群的步骤，具体包括：对樽海鞘群中各樽海鞘个体进行适应度计算，获取各樽海鞘个体对应的适应度值，并根据所述适应度值对所有樽海鞘个体进行降序排列；将适应度值最大的樽海鞘个体所对应的位置信息作为目标位置信息，将剩余的樽海鞘个体作为待更新樽海鞘群；将所述待更新樽海鞘群中适应度值最大的樽海鞘个体作为领导者樽海鞘，并将剩余的樽海鞘个体划分为个数相等的所述第一樽海鞘群和所述第二樽海鞘群。优选地，所述根据所述计算结果对所述第一樽海鞘群中各樽海鞘个体进行位置信息更新的步骤，具体包括：根据所述目标位置信息对所述领导者樽海鞘进行位置信息更新，获得所述领导者樽海鞘的实时位置信息；根据所述实时位置信息对所述第一樽海鞘群中各樽海鞘个体对应进行位置信息更新。所述遗传算子包括遗传交叉算子及遗传变异算子；所述根据所述遗传算子对所述第二樽海鞘群中各樽海鞘个体进行位置信息更新的步骤，具体包括：根据所述遗传交叉算子及所述遗传变异算子对所述第二樽海鞘群中各樽海鞘个体对应进行位置信息更新。优选地，所述根据所述适应度计算结果确定适应度值最大的目标樽海鞘个体，并将所述目标樽海鞘个体的当前位置信息作为任务调度最优解的步骤，具体包括：根据所述适应度计算结果确定适应度值最大的目标樽海鞘个体，将所述最大适应度值与位置信息更新前的最大适应度值进行比较；根据比较结果对所述目标位置信息进行更新；将更新后的所述目标位置信息转换为所述任务调度最优解。优选地所述根据所述任务调度最优解将所述云任务集合中的云任务调度到所述云资源集合对应的云资源中的步骤之前，所述方法还包括：获取所述樽海鞘群的当前迭代次数，判断所述当前迭代次数是否小于预设迭代次数；在所述当前迭代次数小于预设迭代次数时，返回所述对所述樽海鞘群中的各樽海鞘个体进行适应度计算，并根据计算结果将樽海鞘群划分为第一樽海鞘群和第二樽海鞘群的步骤；在所述当前迭代次数等于预设迭代次数时，输出所述所述任务调度最优解。此外，为实现上述目的，本专利技术还提出一种基于樽海鞘群的云任务调度装置，所述装置包括：模型建立模块、位置更新模块、最优解获取模块及调度模块，其中：所述模型建立模块，获取待调度的云任务集合及云资源集合，根据所述云任务集合及所述云资源集合建立樽海鞘群并生成遗传算子；所述所述位置更新模块，用于对樽海鞘群中的各樽海鞘个体进行适应度计算，根据计算结果将樽海鞘群分为第一樽海鞘群和第二樽海鞘群；还用于根据所述计算结果对所述第一樽海鞘群中各樽海鞘个体进行位置信息更新；还用于根据所述遗传算子对所述第二樽海鞘群中各樽海鞘个体位置信息进行更新；还用于对位置信息更新后的樽海鞘个体进行适应度计算，获得适应度计算结果；所述最优解获取模块，用于根据所述适应度计算结果确定适应度值最大的目标樽海鞘个体，并将所述目标樽海鞘个体的当前位置信息作为任务调度最优解；所述调度模块，用于根据所述任务调度最优解将所述云任务集合中的云任务调度到云资本文档来自技高网...

【技术保护点】
1.一种基于樽海鞘群的云任务调度方法，其特征在于，所述方法包括：/n获取待调度的云任务集合及云资源集合，根据所述云任务集合及所述云资源集合建立樽海鞘群并生成遗传算子；/n对所述樽海鞘群中的各樽海鞘个体进行适应度计算，并根据计算结果将樽海鞘群划分为第一樽海鞘群和第二樽海鞘群；/n根据所述计算结果对所述第一樽海鞘群中各樽海鞘个体进行位置信息更新；/n根据所述遗传算子对所述第二樽海鞘群中各樽海鞘个体进行位置信息更新；/n对位置信息更新后的所有樽海鞘个体进行适应度计算，获得适应度计算结果；/n根据所述适应度计算结果确定适应度值最大的目标樽海鞘个体，并将所述目标樽海鞘个体的当前位置信息作为任务调度最优解；/n根据所述任务调度最优解将所述云任务集合中的云任务调度到所述云资源集合的云资源中。/n

【技术特征摘要】
1.一种基于樽海鞘群的云任务调度方法，其特征在于，所述方法包括：
获取待调度的云任务集合及云资源集合，根据所述云任务集合及所述云资源集合建立樽海鞘群并生成遗传算子；
对所述樽海鞘群中的各樽海鞘个体进行适应度计算，并根据计算结果将樽海鞘群划分为第一樽海鞘群和第二樽海鞘群；
根据所述计算结果对所述第一樽海鞘群中各樽海鞘个体进行位置信息更新；
根据所述遗传算子对所述第二樽海鞘群中各樽海鞘个体进行位置信息更新；
对位置信息更新后的所有樽海鞘个体进行适应度计算，获得适应度计算结果；
根据所述适应度计算结果确定适应度值最大的目标樽海鞘个体，并将所述目标樽海鞘个体的当前位置信息作为任务调度最优解；
根据所述任务调度最优解将所述云任务集合中的云任务调度到所述云资源集合的云资源中。


2.如权利要求1所述的基于樽海鞘群的云任务调度方法，其特征在于，所述获取待调度的云任务集合及云资源集合，根据所述云任务集合及所述云资源集合建立樽海鞘群并生成遗传算子的步骤，具体包括：
获取所述云资源集合中的云资源数及所述云任务集合的云任务数；
将所述云任务数作为樽海鞘个体对应的位置信息数，根据所述所述云任务数设置樽海鞘个体数，根据所述云资源数随机设置樽海鞘个体对应的位置信息；
根据所述樽海鞘个体数、所述位置信息数及所述位置信息建立樽海鞘群，并根据所述樽海鞘群生成遗传算子。


3.如权利要求2所述的基于樽海鞘群的云任务调度方法，其特征在于，所述对所述樽海鞘群中的各樽海鞘个体进行适应度计算，并根据计算结果将樽海鞘群划分为第一樽海鞘群和第二樽海鞘群的步骤，具体包括：
对樽海鞘群中各樽海鞘个体进行适应度计算，获取各樽海鞘个体对应的适应度值，并根据所述适应度值对所有樽海鞘个体进行降序排列；
将适应度值最大的樽海鞘个体所对应的位置信息作为目标位置信息，将剩余的樽海鞘个体作为待更新樽海鞘群；
将所述待更新樽海鞘群中适应度值最大的樽海鞘个体作为领导者樽海鞘，并将剩余的樽海鞘个体划分为个数相等的所述第一樽海鞘群和所述第二樽海鞘群。


4.如权利要求3所述的基于樽海鞘群的云任务调度方法，其特征在于，所述根据所述计算结果对所述第一樽海鞘群中各樽海鞘个体进行位置信息更新的步骤，具体包括：
根据所述目标位置信息对所述领导者樽海鞘进行位置信息更新，获得所述领导者樽海鞘的实时位置信息；
根据所述实时位置信息对所述第一樽海鞘群中各樽海鞘个体对应进行位置信息更新。


5.如权利要求4所述的基于樽海鞘群的云任务调度方法，其特征在于，
所述遗传算子包括遗传交叉算子及遗传变异算子；
所述根据所述遗传算子对所述第二樽海鞘群中各樽海鞘个体进行位置信息更新的步骤，具体包括：<...

【专利技术属性】
技术研发人员：张小庆，安春林，
申请(专利权)人：武汉轻工大学，
类型：发明
国别省市：湖北;42