一种基于遗传算法的多任务调度方法和系统技术方案

本发明专利技术公开了一种基于遗传算法的多任务调度方法和系统，属于电数字数据处理技术领域，所述方法包括：获取基于任务执行时间、优先级和资源使用连贯性的评价函数；基于前置任务约束和资源约束，获得多任务调度的优先序列集；根据评价函数，对优先序列集进行仿真和评价，获得适应度；根据适应度对优先序列集进行筛选，获得父代序列集；基于遗传算法对父代序列集进行搜索，获得第二任务序列集；通过最大化适应度，从中选取第二任务序列；根据第二任务序列进行任务调度。将任务执行时间、优先级和资源使用连贯性等多问题转化为单一问题的评价函数，通过评价函数评价任务序列的适应度，通过适应度筛选优先序列集和选择最终的第二任务序列。二任务序列。二任务序列。

【技术实现步骤摘要】
一种基于遗传算法的多任务调度方法和系统


[0001]本专利技术涉及电数字数据处理
，具体涉及一种基于遗传算法的多任务调度方法和系统。

技术介绍

[0002]任务调度是数据中心中最重要的一个研究课题。任务调度是在不违反现有的任何约束如时序优先级约束、资源约束等的情况下，为组成任务的所有步骤确定一个最优的执行时间。近些年来，由于全球经济发展迅速，科技日益进步，许多公司和组织需要经常处理越来越大和越来越复杂的任务，因此任务调度的重要性日益显现。
[0003]资源受限多任务调度问题（RCMPSP）是任务调度问题中一个基础和广泛的研究课题，不仅不同任务内各个步骤满足给定的时序优先级关系，而且各个步骤的执行所需的可再生资源的数量有固定的限制，目标一般为最小化总任务执行时间。自上个世纪七十年代以来，该类问题已得到了众多研究者的持续关注。RCMPSP已成为一个难题，即很难找到一种适用于所有实例的通用算法。在不同的背景下，一些学者分别提出资源均衡优化，最小成本等多个鲁棒性的优化目标。求解RCMPSP主要由三类方法，精确算法、启发式算法和元启发算法。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于遗传算法的多任务调度方法，其特征在于，包括：步骤101：获取基于任务执行时间、优先级和资源使用连贯性的评价函数；步骤102：基于前置任务约束和/或资源约束，获得多任务调度的优先序列集，所述优先序列集包括第一任务序列；步骤103：根据所述评价函数，对优先序列集进行仿真和评价，获得适应度；步骤104：根据适应度对优先序列集进行选择或筛选，获得父代序列集；步骤105：基于遗传算法对所述父代序列集进行搜索，获得第二任务序列集；步骤107：通过最大化适应度，从所述第二任务序列集中选取第二任务序列；步骤108：根据第二任务序列进行任务调度。2.根据权利要求1所述的多任务调度方法，其特征在于，还包括对第二序列集进行迭代的方法：步骤106：将第二任务序列集作为优先序列集，执行步骤103
‑
105，直到达到预定的迭代数，执行步骤107。3. 根据权利要求1所述的多任务调度方法，其特征在于，评价函数表示为：（11）其中，F表示为评价函数，F
i
为任务序列中任务i的结束时间, MaxF
i
为任务序列的结束时间，、和分别为权重系数，P为任务优先级定量化数据，R表示为资源使用连贯性定量化数据。4.根据权利要求3所述的多任务调度方法，其特征在于，，其中，i表示为任务的序号，S
i
为任务i的开始时间，P
i
为任务i的优先级，D
r
为资源的使用间隔时间，r表示为资源的使用间隔的序号，M表示为资源的使用间隔的总次数，N表示为任务的总数。5.根据权利要求4所述的多任务调度方法，其特征在于，还包括评价函数的预训练方法：获取训练集，所述训练集的训练样本包括输入值和真值；基于梯度下降的方法，通过预设权重系数和评价函数对输入值进行分析，获得预测值；根据预测值和真值更新权重系数：，其中，α为学习率，N表示为任务的总数，分别为的真值，分别为的预测值。
6. 根据权利要求1所述的多任务调度方法，其特征在于，前置任务约束表示为：(2)资源约束表示为：(3)其中，F
ij
表示为第i个任务的第j个步骤的完成时间，F
il
表示为F
ij
的紧前任务完成时间，为任务i步骤j的紧前任务集合，d
j
表示为步骤j的执行时长或持续时间，K表示为资源k的集合，t表示为时间，A(t)表示t时刻正在调度的步骤集合，表示t时刻资源k可供使用的数量，R
j,k
表示为步骤j的资源k...

【专利技术属性】
技术研发人员：方佳伟，蒋咪，王羽中，陈雪儿，才振功，黄文涛，司云起，王翱宇，
申请(专利权)人：杭州谐云科技有限公司，
类型：发明
国别省市：