【技术实现步骤摘要】
基于粒子群优化算法的并行任务调度方法
[0001]本专利技术属于计算机
，具体涉及一种基于粒子群优化算法的并行任务调度方法。
技术介绍
[0002]随着计算机系统进一步的发展，在同一台处理器上处理大量的任务，已是各大企业所面临的需求。但是如何有效利用资源，高性能的完成目标任务，就成为解决该需求的一大难题。并行处理是提高计算机性能、可用性和可靠性的重要途经，也是当今计算机技术发展的主要方向之一。并行处理能够解决许多意义重大的科学工程计算问题，例如遗传问题，天气预报，电子商务，新材料及国家安全工程等。并行处理的发展，使得大型科学与工程计算，特别是高维复杂问题的计算成为可能。任务调度是并行处理中的关键步骤，任务调度算法也是决定并行处理系统总体性能的至关重要的因素。任务调度的目的是提高并行任务间的资源利用率和减少等待时间，改善负荷的均衡性，提高实时任务的响应速度和系统效率。
[0003]在大规模并行处理已经广泛应用的今天，如何充分利用处理器的计算性能并实现性能优异的并行处理，已经成为了大家关注的焦点。因此，如何针对不同...
【技术保护点】
【技术特征摘要】
1.一种基于粒子群优化算法的并行任务调度方法，包括如下步骤：S1.获取待调度的并行任务的参数信息；S2.根据步骤S1获取的并行任务参数信息，初始化粒子；S3.对步骤S2得到的初始化的粒子进行ROV编码；S4.根据当前的粒子状态，采用离散粒子群优化算法进行迭代求解；S5.在步骤S4的迭代求解过程中，采用变邻域搜索算法进行优化；S6.达到设定条件，迭代求解过程结束，得到最终的离散粒子群优化算法的最优解；S7.根据步骤S6得到的最优解，进行并行任务的调度。2.根据权利要求1所述的基于粒子群优化算法的并行任务调度方法，其特征在于步骤S2所述的初始化粒子，具体包括如下步骤：在初始化种群时，当连续两代种群的多样性Dist低于设定的阈值时，采用正态分布进行随机初始化，以增加种群的多样性；种群的多样性Dist的计算公式为式中Popsize为种群的大小，i为当前的代数，为当前代数的种群中心值，X
i,j
为第i代第j个个体的位置；以正态分布进行随机初始化时，正态分布的均值μ为正态分布的方差σ为其中X
best
为种群全局最优位置，UB为粒子的位置的最大值，LB为粒子的位置的最小值，maxiter为最大迭代次数。3.根据权利要求2所述的基于粒子群优化算法的并行任务调度方法，其特征在于步骤S3所述的对步骤S2得到的初始化的粒子进行ROV编码，具体包括如下步骤：对于一个粒子的位置关系，首先将值最小的分量位置赋值为ROV＝1；然后将值次小的分量位置赋值为ROV＝2，并以此类推，直至所有的分量位置均被赋予一个唯一的ROV值，从而得到ROV编码。4.根据权利要求3所述的基于粒子群优化算法的并行任务调度方法，其特征在于步骤S4所述的根据当前的粒子状态，采用离散粒子群优化算法进行迭代求解，具体包括如下步骤：A.设置待调度的并行任务的总运行时间最短作为目标函数，并将该目标函数作为适应度函数；B.采用如下算式作为目标函数的约束条件：M
i,cpu
≤Q
cpu
M
i,m
≤Q
m
M
i,st
≥M
i,est
M
i,st
≤M
i,lst
M
i,st
+M
i,rt
≤M
i,et
M
i,st
≥M
j,ret
,j
→
i
式中M
i,cpu
为任务i需要占用的CPU资源值；Q
cpu
为队列CPU的资源最大值；M
i,m
为任务i需要占用的内存值；Q
m
为队列内存的最大值；M
i,st
为任务i的实际开始时间；M
i,est
为任务i的设定的最早开始时间；M
i,lst
为任务i的设定的最晚开始时间；M
i,rt
为任务i的实际运行时间；M
i,et
为任务i的设定的最晚结束时间；M
j,ret
为任务j的实际结束时间；j
→
i表示任务i依赖任务j，且i≠j；为k
‑
i个任务并行所需要占用的总的CPU资源值；为k
‑
i个...
【专利技术属性】
技术研发人员：余琦，薛静远，凌笑，向柯宇，蒋广，刘燕，周子健，廖铭鼎，李轶佳，刘泰宇，李娜，
申请(专利权)人：国网湖南省电力有限公司信息通信分公司国家电网有限公司，
类型：发明
国别省市：
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。