[发明专利]一种带任务重复的工作流调度算法

摘要

本发明涉及一种带任务重复的工作流调度算法。本发明根据用户提交的任务初始化DAG图，根据DAG图的优先级构建任务队列V，V＝{v₁，v₂，Λ，v_n}，计算任务队列V的首个任务v_i在虚拟列表中每个处理器上的完成时间，比较查找任务v_i的最小完成时间T_ft(v_i，P_k)，构建任务队列A存储需要重复的任务，任务队列B存储已经重复过的任务，任务按照最早开始时间非递增存储，采用遗传算法迭代出最优解，将映射好的任务分配到相应的资源以获得最优调度方案。本发明克服了DAG图不具有明显的分层和清晰的优先级约束的缺陷。本发明由于在D‑IAHA和IAHA中，任务在交叉和变异阶段中的是否要选择变异的资源时考虑到了任务的出错概率，所以大大减少任务在处理器上执行时的出错次数。

主权项

一种带任务重复的工作流调度算法，其特征在于包括如下步骤：(1)根据用户提交的任务初始化DAG图，用G＝(V，E，[W]，C)表示，其中v_i∈V，表示DAG图中的第i个节点，E是DAG图中节点边的集合，e_ij∈E表示任务v_i到任务v_j的边，同时注意，任务v_i必须在任务v_j执行前执行完成；w_ik∈[W]，[W]表示n×m阶任务在不同处理器上的执行时间矩阵，w_ik表示任务v_i在处理器P_j上的执行时间；c_ij∈C表示v_i到v_j的通信开销，用边上的权值表示；(2)根据DAG图的优先级构建任务队列V，V＝{v₁，v₂，Λ，v_n}；(3)计算任务队列V的首个任务v_i在虚拟列表中每个处理器上的完成时间：(3a)计算任务v_i在处理器P_k上的初始完成时间：T_ft(v_i，P_k)＝T_st(v_i，P_k)+w_ik其中，T_st(v_i，P_k)为任务v_i在处理器P_k上的开始时间，T_ft(v_i，P_k)为完成时间；(3b)令M_j为任务v_i所有任务中出度最大的父任务结点(若存在几个以上相同出度，则比较完成时间，M_j为完成时间最大的任务)；M_i为任务v_i的最重要的直接父任务，在考虑重复任务后，计算任务v_i在处理器P_k上的最终完成时间：(i)若M_i和M_j均不在或均已调度到当前处理器P_k上，则返回T_ft(v_i，P_k)的值；(ii)若处理器P_k上存在合适执行M_i或M_j的空闲时间隙，计算任务M_j在处理器P_k上的完成时间T_ft(v_j，P_k)，计算任务M_i在处理器P_k上的完成时间T_ft(v_t，P_k)：①若T_ft(v_j，P_k)＜T_st(v_i，P_k)，则在处理器P_k上重复任务M_j；②若T_ft(v_t，P_k)＜T_st(v_i，P_k)，则在处理器P_k上重复任务M_i；③其他情况，则返回T_ft(v_i，P_k)；(iii)其他情况，则返回T_ft(v_i，P_k)；(4)比较查找任务v_i的最小完成时间T_ft(v_i，P_k)，若存在相同值，则将该任务调度到任务相对较少的处理器上；(5)若不存在相同值且任务队列为空时，构建任务队列A存储需要重复的任务，任务队列B存储已经重复过的任务，任务按照最早开始时间非递增存储；(6)对任务队列B中的所有任务，若移除该任务对总完成时间无影响的话，则删除冗余任务，更新任务队列；(7)采用遗传算法迭代出最优解；(8)将映射好的任务分配到相应的资源以获得最优调度方案。