[发明专利]一种任务调度方法及设备

权利要求书

1.一种任务调度方法，其特征在于，包括：

根据待处理的多个任务以及用于处理任务的多个处理节点，生成将任务调度到处理节点进行处理的任务与处理节点组合的初始种群；

根据当前进化代数以及最大进化代数，构建用于控制所述初始种群交叉变异的输入因子，根据任务在处理节点进行处理的所需时间以及开销，构建用于计算任务与处理节点组合的适应度的适应度函数；

根据所述输入因子以及所述适应度函数生成新的差分进化算法；

通过所述新的差分进化算法对所述初始种群进行优化，获得任务与处理节点的最优组合的集合，所述最优组合表征将组合中的任务调度到组合中的处理节点进行处理所需时间以及开销最优。

2.如权利要求1所述的方法，其特征在于，所述输入因子包括交叉因子，所述根据当前进化代数以及最大进化代数，构建用于控制所述初始种群交叉变异的输入因子，具体为：

根据当前进化代数t以及最大进化代数T，构建交叉因子CR：

CR＝CR_min+(CR_max-CR_min)(t/T)²；

其中，CR_min为预设的交叉因子最小值，CR_max为预设的交叉因子最大值。

3.如权利要求2所述的方法，其特征在于，所述输入因子包括缩放因子，所述根据当前进化代数以及最大进化代数，构建用于控制所述初始种群交叉变异的输入因子，具体为：

根据所述当前进化代数t以及所述最大进化代数T，构建缩放因子F：

λ＝e^1-T/(T+1-t)；

F＝F₀*2^λ；

其中，F₀为预设的缩放因子初始值，λ为进化代数因子。

4.如权利要求3所述的方法，其特征在于，所述通过所述新的差分进化算法对所述初始种群进行优化，获得任务与处理节点的最优组合的集合，包括：

通过所述新的差分进化算法对所述初始种群进行优化，且在每次优化过程中均执行以下操作，直到达到最大进化代数T获得最优的目标种群，其中，所述最优的目标种群即为任务与处理节点的最优组合的集合：

获取当次优化过程中根据所述交叉因子CR生成的所有子代个体，将所述所有子代个体加入到当次优化过程中的新生个体集合；

计算所述新生个体集合中每个个体的适应度以及上一代种群中每个个体的适应度，并根据所述缩放因子F对所述新生个体集合以及上一代种群进行收缩，获得由适应度靠前的预设个数的个体构成的下一代种群。

5.一种任务调度设备，其特征在于，包括：

种群生成单元，用于根据待处理的多个任务以及用于处理任务的多个处理节点，生成将任务调度到处理节点进行处理的任务与处理节点组合的初始种群；

构建单元，用于根据当前进化代数以及最大进化代数，构建用于控制所述初始种群交叉变异的输入因子，根据任务在处理节点进行处理的所需时间以及开销，构建用于计算任务与处理节点组合的适应度的适应度函数，根据所述输入因子以及所述适应度函数生成新的差分进化算法；

优化单元，用于通过所述新的差分进化算法对所述初始种群进行优化，获得任务与处理节点的最优组合的集合，所述最优组合表征将组合中的任务调度到组合中处理节点进行处理所需时间以及开销最优。

6.如权利要求5所述的设备，其特征在于，所述输入因子包括交叉因子，所述构建单元还用于：

根据当前进化代数t以及最大进化代数T，构建交叉因子CR：

CR＝CR_min+(CR_max-CR_min)(t/T)²；

其中，CR_min为预设的交叉因子最小值，CR_max为预设的交叉因子最大值。