[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

说明书

本发明公开了一种基于改进贫富优化算法的云工作流调度方法，通过在现有贫富优化(PRO)算法的基础上引入了中产种群，并在中产种群更新过程中应用了局部搜索策略，在增加搜索多样性的同时，避免了算法陷入局部最优的可能性；同时，在富有种群迭代更新机制中，分别采用最优富有个体和最优中产个体引导种群进化，通过更新每个个体并产生两个新个体，扩大了搜索空间，增加了种群的多样性。

技术领域

本发明属于云计算技术领域，具体涉及一种基于改进贫富优化算法的云工作流调度方法。

背景技术

近年来，随着云计算的普及和应用的不断深入，越来越多的科学应用被部署到云平台上运行。这样，用户便无需投入大量的硬件成本，只需连接网络，即可通过远程访问可配置的共享计算资源池，按需获取海量的计算资源。

云环境下的工作流调度是将工作流中具有依赖关系的任务分配给特定的计算资源并且执行的过程，旨在保证用户服务质量QoS(Quality of Service)需求，并保证云服务提供商的利益。因此，如何为云工作流任务分配最合适的计算资源，在满足用户的预算约束的同时，尽可能减少执行跨度时间，成为各个云服务提供商亟需解决的问题。

目前，工作流调度方法主要分为启发式和元启发式方法。启发式方法是一种针对某一类特定问题提出的基于直观或经验构造的优化算法，如HEFT、 BHEFT、MIN-MAX等，难以得到最优解。元启发式方法是针对通用问题提出的一种基于随机搜索的智能优化算法，如贫富优化算法、遗传算法、蚁群算法、粒子群算法等。其中，贫富优化算法、粒子群算法和蚁群算法等群智能优化算法，具有较好的全局搜索能力，但缺乏有效的局部搜索机制；遗传算法等进化算法能够有效地保持搜索的多样性，但是时间复杂度较高。

发明内容

有鉴于此，本发明提供了一种基于改进贫富优化算法的云工作流调度方法，能够实现云环境下计算密集型云工作流的单目标优化调度。

本发明提供的一种基于改进贫富优化算法的云工作流调度方法，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；