[发明专利]一种端云协同负载均衡调度方法、系统及存储介质

说明书

本发明公开了一种端云协同负载均衡调度方法、系统及存储介质，方法包括：采用扫描法计算得到初始种群；计算初始种群中所有粒子的适应度；根据粒子的适应度，进行粒子选取；分别采用交叉算法和变异算法对选取的粒子进行优化；对优化后的粒子进行速度更新以及位置更新操作，得到最优粒子。本发明将粒子群算法与遗传算法相结合，解决了现有粒子群优化算法的求解精度低的问题，通过遗传算法中的交叉算法和变异算法来进行粒子优化，降低了查找最优值的时间开销且降低了资源能耗，可广泛应用于云计算技术领域。

技术领域

本发明涉及云计算技术领域，尤其是一种端云协同负载均衡调度方法、系统及存储介质。

背景技术

随着物联网和大数据的热潮不断兴起，数据量每天以PB级的增长速度飞速上升。数据量的急剧增加给云端服务器造成了很大压力，这时候，边缘计算概念的提出为云端服务器减轻了压力。边缘计算是指靠近物或数据源头的网络边缘侧，融合网络，计算，存储，应用核心能力的开放平台。边缘计算与云计算互相协同，共同致力于各行各业的数字化转型，逐步形成了以边缘计算为主导的云计算模式。针对不同时刻多DAG任务的到来，如何确保在异构节点上能够得到最佳的处理效率其实是一个NP完全难题。目前，现有方法对异构节点的处理性能千差万别，但普遍存在时间开销大和资源能耗大的缺点。

发明内容

为解决上述技术问题，本发明的目的在于：提供一种时间开销小且资源能耗少的端云协同负载均衡调度方法、系统及存储介质。

本发明一方面所采取的技术方案为：

一种端云协同负载均衡调度方法，包括以下步骤：

采用扫描法计算得到初始种群；

计算初始种群中所有粒子的适应度；

根据粒子的适应度，进行粒子选取；

分别采用交叉算法和变异算法对选取的粒子进行优化；

对优化后的粒子进行速度更新以及位置更新操作，得到最优粒子。

进一步，所述采用扫描法计算得到初始种群这一步骤，其具体为：通过扫描法创建初始染色体，并基于初始染色体生成初始种群。

进一步，所述根据粒子的适应度，进行粒子选取这一步骤，具体为：根据粒子的适应度，采用轮盘赌算法、锦标赛算法或精英保留策略进行粒子选取。

进一步，所述根据粒子的适应度，采用轮盘赌算法进行粒子选取这一步骤，其包括以下步骤：

根据当前粒子的适应度，通过预设的抽取概率进行粒子抽取；

计算抽取的粒子的生存概率；

根据粒子的生存概率，生成下一代粒子；

将下一代粒子作为当前粒子，并返回执行根据当前粒子的适应度，通过预设的抽取概率进行粒子抽取的步骤，直至当前粒子满足预设的要求。

进一步，所述采用交叉算法对选取的粒子进行优化这一步骤，其具体为：采用单点交叉方式，对粒子中的染色体片段进行交换，生成新的子代染色体。

进一步，所述采用变异算法和变异算法对选取的粒子进行优化这一步骤，包括以下步骤：

随机选取粒子中染色体的突变位置；所述突变位置包括突变的基因片段或者突变的基因点；

根据选取的突变位置，进行变量翻转操作；

根据变量翻转操作的结果，生成新的子代染色体。

进一步，所述对优化后的粒子进行速度更新以及位置更新操作，得到最优粒子这一步骤，包括以下步骤：

获取种群中所有粒子的位置和速度；