[发明专利]一种基于改进蚁群算法的多目标动态任务调度方法和系统

权利要求书

1.一种基于改进蚁群算法的多目标动态任务调度方法，其特征在于，包括：

步骤101，确定用户提交的任务请求所请求的若干个任务；

步骤102，将所请求的各任务分别拆分成若干个子任务，并根据各任务的优先级，对各任务的子任务进行升序排序，得到待调度任务序列；

步骤103，通过顺序调度的方式将待调度任务序列中的待调度任务分配至各个计算节点，得到初始任务-计算节点分配方案，然后根据任务自身特点和计算节点能力计算得到任务执行时间和计算集群负载因子，作为预设任务截止时间和负载均衡阈值；

步骤104，基于改进的蚁群算法，将待调度任务序列中的待调度任务分配到计算节点上完成处理，得到在预设任务截止时间和负载均衡阈值约束条件下的最优分配方案，实现对多目标动态任务的调度。

2.根据权利要求1所述的基于改进蚁群算法的多目标动态任务调度方法，其特征在于，所述步骤102，包括：

子步骤1021，对所请求的若干个任务进行拓扑排序，并对每个任务的子任务按照拓扑排序进入队列的顺序递增编号，得到若干个拓扑排序序列；其中，编号越小的子任务越先执行；

子步骤1022，对子步骤1021得到的若干个拓扑排序序列，按照编号升序和任务的优先级进行排序，从而得到排序后的待调度任务序列；其中，相同编号的不同任务优先级越高的子任务越靠前。

3.根据权利要求2所述的基于改进蚁群算法的多目标动态任务调度方法，其特征在于，所述步骤103，包括：

子步骤1031，将待调度任务序列依次按照计算节点编号递增顺序完成任务-计算节点映射，得到初始任务-计算节点分配方案；

子步骤1032，根据不同任务所需计算量大小、输入输出文件大小以及计算节点CPU处理能力、内存利用率和网络带宽参数，计算在初始任务-计算节点分配方案下各个任务的完成时间，得到完成全部任务所需的最大执行时间，将完成全部任务所需的最大执行时间设为初始任务截止时间阈值；

子步骤1033，采集每个计算节点CPU、内存和网络带宽的占用率，计算当前各个节点的负载均衡程度，从而得到计算节点集群的整体负载因子，将集群负载因子设为初始负载因子阈值。

4.根据权利要求3所述的基于改进蚁群算法的多目标动态任务调度方法，其特征在于，所述步骤104，包括：

子步骤1041，利用计算节点的CPU处理能力和网络带宽参数初始化每个计算节点对任务的信息素浓度，得到信息素矩阵，并初始化蚁群；

子步骤1042，蚁群开始迭代，对于蚁群中的所有蚂蚁依次计算待调度任务序列中每个任务分配至每个计算节点的概率，得到分配概率后，按照轮盘赌方式将任务分配至计算节点上进行处理；其中，在第t轮迭代中，对于蚁群中的单只蚂蚁ant_k依次计算待调度任务序列中每个任务t_i分配至每个计算节点v_j的概率并随机选择下一个待调度任务t_j，将t_j加入该蚂蚁的禁忌表tabu_k中，直至蚂蚁ant_k的禁忌表包含全部待调度任务，此时，一只蚂蚁调度完成并生成调度方案E_k(t)；重复本步骤，直至所有q只蚂蚁完成任务调度；

子步骤1043，根据单只蚂蚁任务调度方案的执行时间和集群负载因子，局部更新信息素矩阵；

子步骤1044，一次迭代所有蚂蚁计算完成其任务调度方案后，比较每种方案的执行时间和集群负载因子选出二者均最优的方案作为本轮迭代的最优方案，与当前最优分配方案的执行时间和集群负载因子比较，如果更优，则更新最优调度方案和执行时间和集群负载因子参数，否则，不进行更新；本次迭代结束后，完成信息素矩阵τ(t)全局更新；重复本步骤，直至达到最大迭代次数；

子步骤1045，迭代结束后，判断当前最优分配方案是否为空，如果为空，则返回不存在当前执行时间和负载因子约束下的最优任务调度方案，否则按照最优任务调度方案进行任务分发处理。