[发明专利]一种基于猫头鹰搜索算法的计算密集型云工作流调度方法

权利要求书

1.一种基于猫头鹰搜索算法的计算密集型云工作流调度方法，其特征在于，包括以下步骤：

步骤一、输入用户提交的待调度计算密集型云工作流模型及其所包含的依赖子任务集合、可供租赁的虚拟机集合；

步骤二、将各云工作流子任务调度至最合适虚拟机上执行的过程，建模为标准的最小值求解问题，其调度目标为：优化整个云工作流的执行跨度时间makespan，使所有云工作流任务执行完毕所花费的时间最短；

步骤三、利用基于声强平方反比定律的猫头鹰搜索算法，求解云计算环境下的任务-虚拟机调度问题，包括以下步骤：

步骤1、初始化算法的基本参数，包括步长参数β、调度方案个数M以及最大迭代次数Iteration、第一次出现最优解时的寻优迭代次数bestNum；

步骤2、使用均匀分布的随机数来初始化每个调度方案；

步骤3、算法迭代过程中，当迭代次数t小于最大迭代次数Iteration时，t＝t+1，转步骤4；当迭代次数t大于或等于最大迭代次数Iteration时，转步骤8；

步骤4、根据云工作流模型，即子任务之间的依赖关系，计算当前代中所有调度方案的工作流执行跨度时间makespan；

步骤5、找到当前代中最佳的调度方案；如果最优解有更新，则bestNum＝t；对每个调度方案更新与当前最优解的距离信息同时更新的强度变化量

其中，V表示全局最优调度方案，makespan(V)表示最优调度方案对应的工作流执行跨度时间，random表示[0,1)的随机数；

步骤6、判断是否已经迭代l代而其最优解仍然没有更新，若t-bestNuml，则使用遗传变异的思想，随机更改任一个体的任一位置的虚拟机映射关系，转步骤7；否则，直接转步骤7；

步骤7、根据强度变化量，对当前代的所有调度方案进行更新，并返回步骤3；

步骤8、找到最优调度方案，按照调度方案给出的任务与虚拟机映射关系，将工作流子任务与虚拟机进行绑定。

2.如权利要求1所述的一种基于猫头鹰搜索算法的计算密集型云工作流调度方法，其特征在于，所述步骤一，具体将云工作流描述成一个有向无环图G＝(T，E)，其中：T为有向无环图中节点的集合，表示云工作流中的n个任务，T＝{T₁,T₂,……,T_n}；E是云工作流模型中有向边的集合，E＝{(T_i,T_j)|T_i,T_j∈T}，有向边T_i→T_j表示父任务T_i与子任务T_j之间的依赖关系，T_j只有在T_i完成后才可执行；用VM表示虚拟机，m表示可供用户租赁的虚拟机总个数，虚拟机资源集合表示为VM＝{VM₁,VM₂,……,VM_k,……,VM_m}，其中k＝1,2,...,m；MIPS表示计算设备每秒可处理的百万级机器语言指令数，则MIPS(VM_k)表示虚拟机VM_k的处理速度。