[发明专利]一种任务调度方法及设备

说明书

本发明公开了一种任务调度方法及设备，所述方法包括：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处理节点进行处理所需时间以及开销最优。

技术领域

本发明涉及计算机技术领域，尤其涉及一种任务调度方法及设备。

背景技术

近年来，随着云计算技术的高速发展，云计算平台中的任务调度成为云计算应用的研究热点之一，任务调度是指根据任务的各种需求，通过采用适当策略把不同的任务分配到云计算平台中合适的资源节点上执行。

云计算平台中不同的计算资源的使用成本不同，通常处理能力强的计算资源的使用成本要较高，然而，目前大部分云计算平台的任务调度方案仅仅将缩短任务的完成时间作为研究重点，不利于云计算平台的性能提升，所以，如何选择最优的任务与计算资源之间的调度方案是目前急需解决的问题。

发明内容

本发明实施例提供一种任务调度方法及设备，能够实现选择最优的任务与计算资源之间的调度方案的目的。

第一方面，本发明实施例提供的一种任务调度方法，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处理节点进行处理所需时间以及开销最优。

采用本发明实施例提供的上述任务调度方法，可以先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，以及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，然后利用构建的输入因子及适应度函数生成新的差分进化算法，进而使用新的差分进化算法对所述初始种群进行优化，获得将任务调度到处理节点进行处理所需时间以及开销的最优任务与处理节点组合，所以能够兼顾处理节点处理任务的时间以及开销，实现选择最优的任务与计算资源之间的调度方案的目的，以及提升任务处理平台的性能。

可选的，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。

上述可选的方式描述了构建的交叉因子CR，在进化初期，CR的值较小，越有利于保持种群多样性和全局搜索能力；随着进化代数的增加也即迭代次数增加，交叉因子CR不断增大，能够增加收敛速度，所以，具有在加快收敛速度的同时保证搜索到全局最优解的概率的有益效果，进而能够进一步提升选择到最优的任务与计算资源之间的调度方案的概率，以及提升任务处理平台的性能。