[发明专利]一种云计算任务调度方法

权利要求书

1.一种云计算任务调度方法，其特征在于，包括以下步骤：

步骤1)、将待处理的任务分为M个相互独立且不可再分的子任务；

步骤2)、采用反向学习方法获取合并细胞种群，然后利用乌贼算法对获取的合并细胞种群进行迭代计算，直至满足最大迭代次数或代价函数满足条件时即可得到最优调度方案；

采用反向学习方法获取初始化细胞种群具体包括以下步骤：

步骤2.1)、随机生成大小为NP的初始化细胞种群x；

步骤2.2)、根据随机生成的初始化细胞种群x，采用反向学习方法生成反向细胞种群，将初始化细胞种群x和反向细胞种群合并形成大小为2NP的合并细胞种群；

利用反向学习策略增加细胞种群的多样性，令x＝(x₁,x₂,x₃,....x_D)为D维空间的一个点；x_j属于[a_j,b_j]，其中j属于(1,2,3....D)；[a_j,b_j]是x_j的取值上下界，即x_j的搜索范围；采用反向学习方法生成反向细胞种群为：把初始化细胞种群x的解空间与反向细胞种群的解空间合二为一，形成合并细胞种群；

利用代价函数计算合并细胞种群中所有细胞的代价，取最小代价的细胞为全局最优解S^best，将合并细胞种群中所有细胞的代价由小到大排序，取前NP个细胞组成搜索细胞种群；

将搜索细胞种群随机分为G⁽¹⁾、G⁽²⁾、G⁽³⁾、G⁽⁴⁾4组协同搜索，每组对应不同的反射和可见性过程迭代求解，直至达到最大迭代次数gmax或代价函数满足条件，即可得到最优解；

对于G⁽¹⁾组中的细胞，其反射余可见的两个过程如下：reflection_j＝R*G_i,j⁽¹⁾，R＝random()*(r₁-r₂)+r₂，V＝random()*(v₁-v₂)+v₂；

式中：j＝{1,2,3.....D}表示D维问题；R为反射程度；V为可见性程度；为G⁽¹⁾组中第i个细胞第j维上的解；random()生成(0,1)上的随机数；r₁、r₂分别为限制细胞伸展间隔的常数；v₁、v₂分别为限制可见性程度的常数；在G⁽¹⁾中V设为1；

对于G⁽²⁾组中的细胞，其反射与可见性两个过程表示如下：V＝random()*(v₁-v₂)+v₂；

式中为G⁽²⁾组中的第i个细胞的第j维上的解，在G⁽²⁾中R设为1，v₁、v₂分别为限制可见性程度的常数；

对于G⁽³⁾组中的细胞，其反射与可见性两个过程表示如下：reflection_j＝R*G_i,j⁽³⁾，V＝random()*(v₁-v₂)+v₂；

式中为的平均值，在G⁽³⁾中R设为1，v₁、v₂分别为限制可见性程度的常数；

对于G⁽⁴⁾组中的细胞，在搜索范围内随机寻找新解；即：

式中，为G⁽⁴⁾组中细胞随机搜索到的第j维上的新解；分别为第j维上搜索范围的上下界；

步骤3)、将M个子任务按照步骤2)获取的最优调度方案进行调度。

2.根据权利要求1所述的一种云计算任务调度方法，其特征在于，将步骤2)输出的最优调度方案用作云计算任务调度策略，执行任务调度将M个任务调度到N个虚拟资源节点上。