【技术实现步骤摘要】
混合启发式规则和遗传算法的动态工作流调度优化方法
本专利技术涉及工作流调度和智能计算两大领域,主要涉及混合启发式规则和遗传算法的动态工作流调度优化方法。技术背景云平台工作流调度可以通过调度任务的执行顺序和资源分配策略,有效地提高资源的利用率,并加快任务整体的完成时间。随着云计算产业的兴起,为了追求一个高效并低能耗的云平台环境,平台对调度算法的要求越来越高。工作流调度的主要方法包括传统的任务调度算法和基于启发式思想的任务调度算法。传统的任务调度算法,一种是贪心算法,例如OLB,MET,MCT算法,它们分别采用机器最早可用时间优先、最短执行时间优先、最早完成时间优先的策略。而Duplex算法则是基于MET和MCT,并根据系统的负载均衡来选择MET或MCT算法。另外一个种是任务集中调度算法,包括MinMini算法和MaxMin算法。传统的调度算法由于没有考虑到整个云平台任务的整体情况,因此容易陷入局部最优。而基于启发式思想的任务调度算法包括遗传算法、模拟退火算法、蚁群优化算法和粒子群优化算法。相比于传统的调度算法,启发 ...
【技术保护点】
1.混合启发式规则和遗传算法的动态工作流调度优化方法,其特征在于,包括以下步骤:/n(1)设定需要编码在染色体上的启发式规则;/n(2)将确定好的启发式规则根据编号编码到染色体中,设定遗传算法参数,初始化种群;/n(3)模拟运行计算每一个任务的具体执行时间,以及所分配的资源,根据适应度函数计算每个染色体的适应度值;/n(4)根据适应度值筛选并淘汰部分个体;/n(5)通过交叉和变异生成新的子代个体,直到种群中的个体恢复到原来的数量;/n(6)如果迭代到设定的阀值,则执行步骤(7),否则,执行步骤(3);/n(7)记录当前种群中适应度最高个体所代表的解决方案,并开始执行方案,执 ...
【技术特征摘要】
1.混合启发式规则和遗传算法的动态工作流调度优化方法,其特征在于,包括以下步骤:
(1)设定需要编码在染色体上的启发式规则;
(2)将确定好的启发式规则根据编号编码到染色体中,设定遗传算法参数,初始化种群;
(3)模拟运行计算每一个任务的具体执行时间,以及所分配的资源,根据适应度函数计算每个染色体的适应度值;
(4)根据适应度值筛选并淘汰部分个体;
(5)通过交叉和变异生成新的子代个体,直到种群中的个体恢复到原来的数量;
(6)如果迭代到设定的阀值,则执行步骤(7),否则,执行步骤(3);
(7)记录当前种群中适应度最高个体所代表的解决方案,并开始执行方案,执行时间为一个周期T;
(8)在一个周期时间结束后,收集尚未调度的任务和在执行期间到达的工作任务,组成一个新的任务集合;
(9)以新的任务集合为基础,开始执行步骤(2),得到新的调度方案。
2.基于权利要求1所述的混合启发式规则和遗传算法的动态工作流调度优化方法,其特征在于,所述启发式规则包括:
①最小松弛度MINSK:
Pij=lftij-estij-dij+dtij
②最小最晚结束时间MINLFT:
Pij=lftij+dtij
③最小运行时间MINSPT:
Pij=dij+dtij
④最小最晚开始时间MINLST:
Pij=lftij-dij+dtij
⑤最小最早结束时间MINEFT:
Pij=estij+dtij
其中,Pij表示当前任务的执行的优先度,数值越小,优先度越高;lftij表示任务最晚停止的时间;estij表示任务最早可以开始的时间;dij表示任务可能持续的时间;dtij表示数据传输需要用到的时间。
3.基于权利要求2所述的混合启发式规则和遗传算法的动态工作流调度优化方法,其特征在于,所述适应度函数为:
makespani=max{ftij}-min{stij}
其中,ftij为任务tij的结束时间,stij为任务tij的开始时间,以一个工作流中所有任务的最晚结束的时间与最早开始时间之差makespani作为完成整个工作流所用的时间;N表示工作流的总数为N,tij表示第i个工作流中的第j个任务,makespani表示第i个工作流完成所需要的时间,在动态的云平台环境中,一段时间内有若干个工作流到达,则计算所...
【专利技术属性】
技术研发人员:陈伟能,肖建平,龚月姣,詹志辉,
申请(专利权)人:华南理工大学,
类型:发明
国别省市:广东;44
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。