[发明专利]移动云计算的多目标任务调度方法

说明书

公开了一种移动云计算的多目标任务调度方法。该方法可以包括：步骤1：建立包含多个任务的有向无循环图，设定迭代次数；步骤2：设定种群规模，建立包含多个初始种群个体的初始种群；步骤3：以初始种群个体为父代，通过进化方式获得进化种群个体为子代，比较父代与子代的适应度函数，根据占优规则更新种群；步骤4：以初始种群个体为父代，重复步骤3，直至达到迭代次数，获得优化种群，删除适应度最小的N个种群个体，使优化种群的规模为种群规模，获得最终种群。本发明可以在任务执行时间、执行代价和执行能耗三个目标上实现同步均衡的优化，形成多目标优化的调度解集合。

技术领域

本发明涉及移动云计算领域，更具体地，涉及一种移动云计算的多目标任务调度方法。

背景技术

移动云环境中的DAG任务调度问题不同于传统的任务调度问题，需要考虑的因素更多更复杂，包括：1)用户QoS需求的多样性，如：服务响应时间、服务代价等；2)云服务具有异质性、动态性和弹性等特征；3)联合云服务执行工作流任务的方式多样；4)DAG任务调度时任务间的数据传输更为普遍。此时的任务调度问题本质上是联合优化问题。

目前的研究中，一些工作主要集中于执行时间的优化，未考虑用户的预算约束。然而，由于云计算的市场化特征，用户必须对云资源使用进行付费，一些工作则考虑了用户预算和截止时间约束，如文献[W.Zheng and R.Sakellariou,Budget-deadline constrainedworkflow planning for admission control[J],Journal of Grid Computing,2013,11(4):633-651.]提出了一种基于预算约束的异构最快完成时间算法BHEFT，该算法是经典的异构最快完成时间工作流调度算法HEFT的改进，考虑了任务调度时的最优预算约束问题，文献[H.Arabnejad,J.G.Barbosa,A budget constrained scheduling algorithm forworkflow applications[J],Journal of Grid Computing,2014,12(4):1-15.]提出了一种异构预算约束调度算法HBCS，通过定义代价因子调整可用预算与最低廉价格可能性的比例，实现调度优化，文献[李克武,张功萱,朱昭萌,云环境中基于分解的多目标工作流调度算法[J],计算机工程与科学,2016,38(8):1588-1594.]提出了MOSC/D算法则是以工作流完成时间和费用作为优化目标，通过目标分解机制对单一目标求解近似最优解。

除了任务的调度时间和执行代价，能耗已经成为云计算中数据中心面临的严峻问题。云服务的提供不仅需要满足用户的QoS需求，而且需要确保服务提供行为的收益保障，而这与资源方的高能耗是相互影响的。能效本身与其它QoS需求(时间或代价)是相互冲突的目标。相关研究中，文献[Huang Q,Su S,Li J,et al.Enhanced Energy-EfficientScheduling for Parallel Applications in Cloud[C]//IEEE/ACM InternationalSymposium on Cluster,Cloud and Grid Computing,USA,IEEE,2013:781-786.]虽然考虑了能耗，但在任务调度时忽略了执行代价问题，优化目标有所减少。而文献[ThanavanichT,Uthayopas P.Efficient energy aware task scheduling for parallel workflowtasks on hybrids cloud environment[C]//International Computer Science andEngineering Conference,USA,IEEE,2013:37-42]提出的加强HEFT算法EHEFT则仅是实现了调度时长与能耗的双目标最优化。

综合考虑相关已有的研究内容，多数工作集中于优化单一的或两个目标，且没有考虑不同目标间的相互影响，即执行时间与执行代价、或执行时间与执行能耗间的影响。因此，有必要开发一种移动云计算的多目标任务调度方法。