[发明专利]运用蚁群算法优化动态网格工作流的方法

摘要

本发明公开了一种使用蚁群算法求解动态网格工作流调度问题的方法。算法在一个周期内通过跟踪工作流的拓扑结构而对一个调度的性能进行评估。在蚁群算法的迭代搜索过程中，蚂蚁根据信息素和启发式信息的取值对工作流进行调度。在解的构造过程中，蚂蚁会改变它选择的路径上的信息素，称为局部信息素更新。在所有解构造完成后，算法还要进行全局信息素的更新，以加强最优解上的信息素。此外，设计出了完整的启发式信息用以平衡工作流的费用和时限。最后，通过对9任务4拓扑网格工作流的优化，证明了发明的方法是有效的。

主权项

1、一种运用蚁群算法优化动态网格工作流的方法，其特征在于，该方法包括以下步骤：(1)初始化算法的各个参数，并设置信息素的初始值为τ₀。(2)所有蚂蚁进行解的构造。在构造解的每一步中，蚂蚁会基于信息素和启发式信息选择一个服务进程，并将任务队列中第一个未映射的任务映射到这个服务进程中。选择将任务T_i映射到的方法为公式中q∈[0，1]为一个随机数，q₀∈[0，1]为一个预先定义的算法参数。β≥1是决定信息素和启发式信息相对影响的参数。当蚂蚁将一个任务T_i映射到一个服务进程后，马上执行局部信息素的更新。局部信息素更新的方法由以下公式给出τ_ij＝(1-ρ)·τ_ij+ρ·τ₀其中，ρ∈(0，1)是一个参数。(3)评估所有蚂蚁构造出的解的适应值。(4)执行全局信息素的更新。加强历史最优解上的信息素。假设K(K₁，K₁，...，K_n)(表示任务T_i映射到服务进程)是历史最优解，那么更新公式为：τiKi=(1-ρ)·τiKi+ρ·K.fitness,]]>i＝1，2，...，n其中，K.fitness表示调度K的适应值。(5)如果达到结束条件则终止程序，否则返回步骤(2)。