一种基于改进贫富优化算法的云工作流调度方法技术

本发明专利技术公开了一种基于改进贫富优化算法的云工作流调度方法，通过在现有贫富优化(PRO)算法的基础上引入了中产种群，并在中产种群更新过程中应用了局部搜索策略，在增加搜索多样性的同时，避免了算法陷入局部最优的可能性；同时，在富有种群迭代更新机制中，分别采用最优富有个体和最优中产个体引导种群进化，通过更新每个个体并产生两个新个体，扩大了搜索空间，增加了种群的多样性。

【技术实现步骤摘要】
一种基于改进贫富优化算法的云工作流调度方法
本专利技术属于云计算
，具体涉及一种基于改进贫富优化算法的云工作流调度方法。
技术介绍
近年来，随着云计算的普及和应用的不断深入，越来越多的科学应用被部署到云平台上运行。这样，用户便无需投入大量的硬件成本，只需连接网络，即可通过远程访问可配置的共享计算资源池，按需获取海量的计算资源。云环境下的工作流调度是将工作流中具有依赖关系的任务分配给特定的计算资源并且执行的过程，旨在保证用户服务质量QoS(QualityofService)需求，并保证云服务提供商的利益。因此，如何为云工作流任务分配最合适的计算资源，在满足用户的预算约束的同时，尽可能减少执行跨度时间，成为各个云服务提供商亟需解决的问题。目前，工作流调度方法主要分为启发式和元启发式方法。启发式方法是一种针对某一类特定问题提出的基于直观或经验构造的优化算法，如HEFT、BHEFT、MIN-MAX等，难以得到最优解。元启发式方法是针对通用问题提出的一种基于随机搜索的智能优化算法，如贫富优化算法、遗传算法、蚁群算法、粒子群算法等。其本文档来自技高网...

【技术保护点】
1.一种基于改进贫富优化算法的云工作流调度方法，其特征在于，包括以下步骤：/n步骤1、分别为带有预算约束的计算密集型工作流及虚拟机资源建模；/n步骤2、建立种群P，所述种群中的个体为工作流调度方案，所述个体采用一维数组表示，所述一维数组的元素索引为工作流的任务编号、元素值为执行对应任务的虚拟机编号；初始化所述种群；/n步骤3、计算所述种群中每个个体的工作流执行跨度时间makespan和执行成本cost，采用公式(1)计算个体的适应度fitness：/n

【技术特征摘要】
1.一种基于改进贫富优化算法的云工作流调度方法，其特征在于，包括以下步骤：
步骤1、分别为带有预算约束的计算密集型工作流及虚拟机资源建模；
步骤2、建立种群P，所述种群中的个体为工作流调度方案，所述个体采用一维数组表示，所述一维数组的元素索引为工作流的任务编号、元素值为执行对应任务的虚拟机编号；初始化所述种群；
步骤3、计算所述种群中每个个体的工作流执行跨度时间makespan和执行成本cost，采用公式(1)计算个体的适应度fitness：



其中，B(λ)为约束因子λ对应的预算约束，ζ为双精度浮点数的最大值；
步骤4、根据个体的适应度fitness及工作流执行跨度时间makespan将所述种群划分为富有种群Pr、中产种群Pm和贫穷种群Pp；采用公式(2)计算中产种群模范Φm：



其中，为所述富有种群中的最优个体，Xstep为维数等于任务数量且元素均为Step的向量，Step为步长，△min为设定的最小步长，△max为设定的最大步长，θ为当前迭代次数，Θ为预设迭代次数；
采用公式(3)计算贫穷种群模范Φp：



其中，Xi为所述富有种群中的第i个个体，为所述富有种群中的平均个体，为所述富有种群中的最差个体；N为所述种群的个体数量；
步骤5、采用所述中产种群中的最优个体和所述富有种群中的最优个体，分别更新所述富有种群；采用所述中产种群模范Φm对所述中产种群进行引导和更新；采用所述贫穷种群模范Φp对所述贫穷种群进行引导和更新；
将生成的所有新个体加入所述种群P；
步骤6、采用变异算法更新所述种群P中的个体；
步骤7、所述迭代次数θ自加1，若θ≤Θ，则执行步骤3；否则，将当前所述种群P中的最优调度方案作为云工作流调度方案输出。


2.根据权...

【专利技术属性】
技术研发人员：李慧芳，黄经纬，鲁本，王一竹，王彬阳，邹伟东，柴森春，夏元清，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：北京;11