[发明专利]基于吞噬的粒子群遗传混合算法的云任务调度方法

权利要求书

1.基于吞噬的粒子群遗传混合算法的云任务调度方法，其特征在于，包括以下步骤：

S1、编码：采用实数直接编码方式，粒子群中的每一个粒子表示一种调度方案，粒子的维度等于任务的数量；

S2、适应度计算：利用适应度函数计算每个粒子个体的适应度值，并根据粒子个体的适应度值计算粒子群的平均适应度值；所述适应度函数为fitness＝1/max(time_i),i∈(0，1，2，3…m-1)，式中，time_i表示虚拟机i上所有云任务完成所用的时间，m为虚拟机的数量；

S3、建立粒子群算法的反馈机制：基于粒子的自身认知和社会认知建立粒子群算法的反馈机制；

S4、粒子子种群划分：对每一代粒子群利用适应度函数以及负载均衡标准差分别对其进行初次划分和二次划分，最终形成三个粒子子种群，分别为吞噬粒子子种群，普通粒子子种群和病原体粒子子种群，且划分后形成的这三个粒子子种群个体数量之和等于划分前粒子群个体数量；

S5、吞噬操作：对经过划分后形成的吞噬粒子子种群和病原体粒子子种群进行吞噬操作，得到新的粒子个体，放入下一代粒子群中；

S6、交叉操作：对经过划分后形成的普通粒子子种群进行遗传算法中的交叉操作，得到新的粒子个体，放入下一代粒子群中；

S7、合并粒子子种群：对经过吞噬操作与交叉操作的粒子个体进行合并操作；

S8、变异操作：对经过吞噬操作与交叉操作后再次合并的粒子群进行变异操作，更新粒子群个体最优解和全局最优解，检查是否达到最大迭代次数，如果达到最大迭代次数，那么此时的全局最优解即为最终的云任务调度方案，反之循环执行上述步骤。

2.根据权利要求1所述的基于吞噬的粒子群遗传混合算法的云任务调度方法，其特征在于，步骤S3中所述粒子群算法的反馈机制的具体步骤为：当粒子维数及云任务的数量为N时，

S31：随机产生一个正整数p，p的取值范围为[0,N-1]，将其作为每次迭代过程中粒子L获取自身所经历过的最好位置信息的位数；

S32：在p的范围内，随机产生正整数y，y的取值范围为[0,N-1]，将其作为每次迭代过程中粒子L获取到自身所经历过的最好位置的具体编码序列下标；

S33：随机产生一个正整数g，g的取值范围为[0,N-1]，将其作为每次迭代过程中粒子L获取粒子群当前搜索到的最优位置g_best信息的位数；

S34：在g的范围内，随机产生一个正整数z，z的取值范围为[0,N-1]，将其作为每次迭代过程中粒子L获取粒子群当前搜索到的最优位置g_best的具体编码序列下标。

3.根据权利要求2所述的基于吞噬的粒子群遗传混合算法的云任务调度方法，其特征在于，步骤S4中所述的负载均衡标准差的计算公式为式中，BL为负载均衡标准差，F(i)为第i台虚拟机完成其上所分配的任务所用的时间，m为虚拟机的数量，VLⁱ_j表示第i台虚拟机完成其上分配的第j个任务所用的时间,n表示第i台虚拟机被分配到的任务总量，AVL为所有虚拟机完成其上分配任务的时间之和的平均值也就是虚拟机平均负载量。

4.根据权利要求3所述的基于吞噬的粒子群遗传混合算法的云任务调度方法，其特征在于，步骤S4中对粒子群进行划分的具体步骤为：

S41：根据步骤S2中计算出来的每个粒子个体的适应度值和粒子群的平均适应度，将粒子适应度值大于平均适应度的粒子个体划分到初始吞噬粒子子种群中，将粒子适应度值小于平均适应度的粒子个体划分到初始病原体粒子子种群中；

S42：利用负载均衡标准差的计算公式计算初次划分后的两个子种群中粒子的负载均衡标准差，并分别计算两个粒子子种群的平均负载均衡标准差；

S43：将两个子种群中的粒子个体的负载均衡标准差分别与其对应的子种群的平均负载均衡标准差相比较；

S44：在初始吞噬粒子子种群中，将小于自己子种群平均负载均衡差的个体划分到普通粒子群中；

S45：在初始病原体粒子子种群中，将大于自己子种群平均负载均衡差的个体划分到普通粒子群中；

S46：最终形成三个粒子子种群，分别为吞噬粒子子种群，普通粒子子种群，病原体粒子子种群。