[发明专利]云计算环境下基于遗传和蚁群的任务调度方法

说明书

技术领域

本发明涉及云计算环境下任务调度算法技术领域，尤其涉及一种云计算环境下基于遗传算法和蚁群算法动态融合的任务调度方法。 

背景技术

云计算是网格计算、分布式计算、网络存储、虚拟化、负载均衡等传统计算机技术和网络技术发展融合的产物。它旨在通过网络把多个成本相对较低的计算实体整合成一个具有强大计算能力的完美系统，并借助SaaS、PaaS、IaaS、MSP等先进的商业模式把这强大的计算能力分布到终端用户手中。云计算的一个核心理念就是通过不断提高“云”的处理能力，进而减少用户终端的处理负担，最终使用户终端简化成一个单纯的输入输出设备，并能按需享受“云”的强大计算处理能力。 

云计算强调资源的共享性、异构性、动态协作性，这给用户带来方便的同时，也对任务调度技术提出了更高的要求。云计算任务调度指的是在一个特定的云环境中，根据一定的资源使用规则，在不同的资源使用者之间进行资源调整的过程。传统的任务调度策略大多数是通过虚拟机级别上的调度技术(即在虚拟化技术中，可以同时运行多个操作系统，且每个操作系统中有多个程序运行，每一个操作系统都运行在一个虚拟的CPU或虚拟机上)结合一定的调度策略来尝试为虚拟机内部应用做任务调度普遍缺乏精确性。 

云计算所要面对的任务量相当庞大，则任务的调度和资源的分配问题是云计算效率面对的重点与难点。就云计算环境下的任务调度问题，国内外已经做了大量的研究工作。文献《云环境下基于改进遗传算法的任务调度算法》(李建锋，彭舰《计算机应用》2011，31(1)：184-185)，是生物进化和遗传变异论的研究成果，是一种快速的全局寻优方法。文献《基于改进蚁群算法的云环境任务调度研究》(王永贵，韩瑞莲《计算机测量与控制》2011，19(5)：1203-1211)，在求解时间和寻优精度上效果很好。但遗传算法执行一段时间后向最优解收敛速度缓慢，求精确解效率低；蚁群算法在运行初期缺乏信息素，限制了效率的进一步提高。 

有鉴于此，有必要提出了一种云计算环境下基于遗传和蚁群的任务调度方法以解决上述问题。 

发明内容

本发明的目的在于提供一种云计算环境下基于遗传算法和蚁群算法动态融合的任务调度方法。算法的前期利用遗传算法快速、随机、全局搜索能力生成任务调度初始解，同时以其解初始化为信息素分布，后期再利用蚁群算法正反馈机制、高效收敛的优点寻求最优任务调度，求解过程中记录遗传算法迭代过程中子代群体的进化率，在预先设定的迭代次数范围内，连续迭代后，子代的进化论仍低于给定的最小进化率，那么终止遗传算法，转入蚁群算法，从而确保了融合算法的最佳时机。因此，算法汲取了遗传算法和蚁群算法各自的优点，克服彼此的缺点，将二者动态融合，使其在时间和求精确解的效率上兼顾。 

本发明的一种云计算环境下基于遗传和蚁群的任务调度方法，所述方法包括以下步骤： 

S1、初始化种群，将种群的M个个体随机放在N个任务节点上； 

S2、按轮盘式选择策略选择个体X、Y； 

S3、对个体X、Y按交叉概率做交叉操作，按变异概率进行逆转变异操作，产生新群体； 

S4、对产生的新群体进行更新； 

S5、判断是否满足动态融合条件，若是，执行步骤S6，若否，返回执行步骤S2； 

S6、用遗传找到的最优解初始化蚂蚁信息素，将蚂蚁数即任务数M随机放到N个资源节点上； 

S7、计算每只蚂蚁移到下一节点的概率，根据概率移动每只蚂蚁到下一个节点； 

S8、M只蚂蚁遍历N个资源节点，最优蚂蚁圈进行信息素更新； 

S9、所有路径进行信息素更新； 

S10、判断是否满足蚂蚁结束条件，若是，输出最优解，若否，返回执行步骤S7。 

作为本发明的进一步改进，所述步骤S3中交叉概率和变异概率的计算公式分别为：