[发明专利]基于改进遗传算法的云计算资源负载均衡调度方法及应用

权利要求书

1.一种基于改进遗传算法的云计算资源负载均衡调度方法，其特征在于，包括下述步骤：

初始化种群：在初始种群中引入由Min-min和Max-min算法生成的个体，其余个体随机生成，最后组成一个完整的初始群体；

适应值评估：综合最优跨度和负载均衡两个优化目标，构建两种不同的适应值函数，分别为最优跨度函数和负载均衡函数；

所述最优跨度函数向执行时间短的个体或任务分配方案进行优化和求解；

所述负载均衡函数向任务负载方差小的个体或任务分配方案进行优化和求解；

对最大时间跨度和所有资源总负载时间与平均值的差之和求和，再取倒数作为适应值函数f_LIGA1；

将最大时间跨度的值取倒数，再将负载均衡函数的值取倒数，再相加作为适应值函数f_LIGA2；

选择算子：根据个体的适应值，通过轮盘赌选择进入下一代的个体；

染色体的交叉和变异：每个染色体都设有一个交叉概率和一个变异概率，对每个资源调度序列生成一个随机数，若随机数小于交叉概率，则选择该资源调度序列作为交叉的父本之一；

使用适应值函数f_LIGA1和适应值函数f_LIGA2评估新种群所有个体的适应值，循环迭代运行后最终输出时间跨度最小而负载最均衡的调度方案。

2.根据权利要求1所述的基于改进遗传算法的云计算资源负载均衡调度方法，其特征在于，所述在初始种群中引入由Min-min和Max-min算法生成的个体，具体步骤包括：

Min-min算法生成个体：对于每一个任务，选择执行该任务时间最短的资源，然后在这些所有被选择的资源中，再选择执行相应任务时间最短的资源，该资源会被分配给相应的任务，之后更新EMC_i,j矩阵，并在剩下的每一个任务中，再选择执行每一个任务时间最短的资源，然后再在选择的资源中，选择执行相应任务时间最短的资源，该资源被分配给相应的任务，之后更新EMC_i,j矩阵，直到所有的任务均被分配资源；

Max-min算法生成个体：对于每一个任务，选择执行该任务时间最短的资源，在所有被选择的资源中，选择执行相应任务时间最长的资源，对该资源分配相应的任务，如此循环，直到所有的任务均被分配资源；

其中，ETC_i,j表示任务i在资源j上的执行时间矩阵，EMC_i,j表示任务i是否选择在资源j上执行，若选择，则EMC_i,j＝1，否则EMC_i,j＝0。

3.根据权利要求1所述的基于改进遗传算法的云计算资源负载均衡调度方法，其特征在于，所述构建两种不同的适应值函数，分别为最优跨度函数和负载均衡函数，设最优跨度函数f_M和负载均衡函数f_L分别为：

其中，L_j表示资源j的时间负载，EL表示所有资源的平均负载，m表示虚拟机数量，n表示任务数量，ETC_i,j表示任务i在资源j上的执行时间矩阵，EMC_i,j表示任务i是否选择在资源j上执行，若选择，则EMC_i,j＝1，否则EMC_i,j＝0。

4.根据权利要求1所述的基于改进遗传算法的云计算资源负载均衡调度方法，其特征在于，所述染色体的交叉和变异的步骤中，每当选择到2个染色体时，生成一个随机数n，对应交换两个资源调度序列的前n个任务的资源编号。