[发明专利]一种应用于多目标工作流调度的方法

说明书

本发明涉及一种应用于多目标工作流调度的方法，其保留了工作流调度约束优化问题的最佳粒子集合，并且在进化过程中能够提供更多的搜索方向、提供更多的子代进化的可能性，利用动态权重来调整搜索进程中的侧重方向，并且在在快速优化的情况下，利用反向学习的正弦余弦算法来进行粒子更新，采用以上技术方案，将多目标工作流调度问题分解和反向种群的正弦余弦优化来提升工作流调度问题的准确性，本发明能够在测试函数维度较高，较为复杂的情况下，快速准确找到最小值，避免陷入局部优化的困境。

技术领域

本发明涉及多目标云工作流调度领域，具体涉及了一种应用于多目标工作流调度的方法。

背景技术

近年来，由于科技的发展，需要的计算量逐渐增大，云计算快速发展，云计算是一种分布式系统计算的方法，能够根据需求提供算力。在云计算环境下，很多学者使用工作流来构建应用并利用云计算平台来执行应用。如何优化云计算环境下的工作流调度是当前热点。云计算环境下的工作流调度面临着优化目标，如缩短工作流执行时间、减少执行成本等。所以云工作流调度优化问题可以看作为约束优化问题。

解决约束优化问题的传统优化方法包括解析法等，但是传统的优化方法无法解决高维的非线性、不可微分的复杂约束优化问题，并且工作流调度问题通常为复杂约束优化问题，是一种多项式复杂程度的非确定性问题，会产生很大的算法时间复杂度。由于进化算法适合求解多项式复杂程度的非确定性问题，所以多目标进化算法能够通过进化算法来解决多目标优化问题。提出诸如正弦余弦算法，是一种基于正弦余弦函数数学特征的元启发式算法；带约束优化的水循环算法，它是基于对水循环过程的观察来解决问题。对于多目标工作流调度的约束优化问题，众多学者采用单一进化算法的改进，例如改进运用花朵差分授粉算法来解决工作流调度问题，但利用进化算法直接求解多目标约束问题会造成各个目标无法均衡优化，无法合理评估多目标工作流调度问题的解是否达到最优解。

发明内容

针对现有技术的不足，本发明提供一种提升调度效率和优化准确性的应用于多目标工作流调度的方法。

本发明的一种应用于多目标工作流调度的方法，其包括步骤如下：

S1:将工作流调度优化问题抽象为约束优化问题，约束优化问题目标分别为缩短工作流执行时间、减少工作流执行成本；

S2：运用多目标优化方法将约束优化问题目标进行转化，获得多目标约束优化问题的种群；

S3:初始化种群，并通过种群反向学习得到反向种群，将初始化的种群和反向种群合并，得到粒子更新的种群；

S4:通过辅助和等价目标框架来分解多目标约束优化问题的粒子更新的种群，通过动态权重调整辅助和等价目标框架中各个子问题的收敛情况，能够搜寻到更多的进化方向；

S5:评估分解后的种群中所有粒子的适应度值，保存适应度最好的粒子，并判断是否达到最大迭代次数，是则，输出最优粒子；

S6:分解后的种群中的最优粒子通过正弦余弦优化的方式得到工作流调度的解。

进一步，所述步骤S2包括：

S2-1：运用多目标优化方法将约束优化问题目标的缩短工作流执行时间转化如下：

其中，EFT表示任务t的完成时间，EFT_i为t_i任务的完成时间，t_i为当前任务，vm_ti为执行当前任务的虚拟机；

S2-2：运用多目标优化方法将约束优化问题目标的减少工作流执行成本转化如下：

其中，t_k和t_j分别为第k个vm虚拟机上执行的第一个任务和最后一个任务，vm^e为虚拟机执行任务所需要的单价；