[发明专利]一种基于改进贫富优化算法的云工作流调度方法

权利要求书

1.一种基于改进贫富优化算法的云工作流调度方法，其特征在于，包括以下步骤：

步骤1、分别为带有预算约束的计算密集型工作流及虚拟机资源建模；

步骤2、建立种群P，所述种群中的个体为工作流调度方案，所述个体采用一维数组表示，所述一维数组的元素索引为工作流的任务编号、元素值为执行对应任务的虚拟机编号；初始化所述种群；

步骤3、计算所述种群中每个个体的工作流执行跨度时间makespan和执行成本cost，采用公式(1)计算个体的适应度fitness：

其中，B(λ)为约束因子λ对应的预算约束，ζ为双精度浮点数的最大值；

步骤4、根据个体的适应度fitness及工作流执行跨度时间makespan将所述种群划分为富有种群P_r、中产种群P_m和贫穷种群P_p；采用公式(2)计算中产种群模范Φ_m：

其中，为所述富有种群中的最优个体，X_step为维数等于任务数量且元素均为Step的向量，Step为步长，Δ_min为设定的最小步长，Δ_max为设定的最大步长，θ为当前迭代次数，Θ为预设迭代次数；

采用公式(3)计算贫穷种群模范Φ_p：

其中，X_i为所述富有种群中的第i个个体，为所述富有种群中的平均个体，为所述富有种群中的最差个体；N为所述种群的个体数量；

步骤5、采用所述中产种群中的最优个体和所述富有种群中的最优个体，分别更新所述富有种群；采用所述中产种群模范Φ_m对所述中产种群进行引导和更新；采用所述贫穷种群模范Φ_p对所述贫穷种群进行引导和更新；

将生成的所有新个体加入所述种群P；

步骤6、采用变异算法更新所述种群P中的个体；

步骤7、所述迭代次数θ自加1，若θ≤Θ，则执行步骤3；否则，将当前所述种群P中的最优调度方案作为云工作流调度方案输出。

2.根据权利要求1所述的云工作流调度方法，其特征在于，所述步骤6中采用变异算法更新所述种群P中的个体，包括以下步骤：

步骤6.1、对于所述种群P中的个体X_i，生成均匀分布的随机数rand(0,1)；若rand(0,1)＞α，则不更新且令i自加1，执行步骤6.1；否则，执行步骤6.2；α为变异概率，α的初始值为0.08；

步骤6.2、随机确定交叉位置的起始点Start，则结束点End＝Start+length；若End≤M，则将索引位于[Start+1,End]区间内的元素所在的维度定为交叉位置X_i'；若End＞M，则将索引位于[1,End-a]和[Start+1,a]区间内的元素所在的维度定为交叉位置X_i'，M为工作流总任务个数；length为交叉长度，length为设定常数；

步骤6.3、若(βmod2)≠1，则根据步骤6.2确定的交叉位置，随机从现有富有种群P_r中选择两个不同的个体X_h、X_z，与X_i执行交叉操作；若(βmod2)＝1，则根据步骤6.2确定的交叉位置，随机选择现有富有个体和X_i进行交叉变异操作；β为变异类型参数，β的初始值为0；

步骤6.4、令i自加1；若则执行步骤6.1；

步骤6.5、若当前全局最优解等于上一代的全局最优解，则全局最优解未变化的迭代次数μ自加1；否则令μ为零，执行所述步骤7；

若则令β自加1，为变异交替阈值；否则，β保持不变；

若则α＝1；否则令α＝0.08，为自适应变异阈值。

3.根据权利要求2所述的云工作流调度方法，其特征在于，所述步骤6.3中，若(βmod2)≠1，则根据步骤6.2确定的交叉位置执行基于三角交叉的变异操作。

4.根据权利要求2所述的云工作流调度方法，其特征在于，所述步骤6.3中，若(βmod2)＝1，则根据步骤6.2确定的交叉位置执行基于线性交叉的变异操作。