[发明专利]一种基于蚁群算法的时间约束科学工作流优化方法

摘要

本发明公开了一种基于蚁群算法的时间约束科学工作流优化方法，包括以下步骤，初始化信息，初始化所有的蚂蚁，利用初始的信息素和启发式信息，构建任务到资源之间的映射序列；利用解码算法，将编码中的信息构建出一个完整的调度方案；根据需求，局部更新信息素和全局更新信息素；更新启发式信息，根据价格和成本因素，将任务分配给虚拟机的启发式信息更新；本发明采用蚁群算法结合时间约束，保证了优化结果的质量，且对不同解的情况采用了不同的启发信息以及惩罚函数，能更好的平衡工作流的时间约束和解空间的多样性，同时通过对可用资源进行优化，进一步提高了执行效率，在优化中有良好的性能。

主权项

1.一种基于蚁群算法的时间约束科学工作流优化方法，其特征在于，包含以下步骤：S1、初始化信息，包括信息素矩阵和启发式信息；S2、初始化所有的蚂蚁，利用初始的信息素和启发式信息，采用伪随机方法或者轮盘赌方法构建任务到资源之间的映射序列；S3、利用解码算法，将编码中的信息构建出一个完整的调度方案；即计算每个蚂蚁的适应值和对运行时间进行估算；所述每个蚂蚁的适应值为工作流执行需要的总时间TT和工作流完成需要的总花费TC；S4、局部更新信息素，即每当一个蚂蚁产生一个新的解时，利用局部更新法则更新信息素；检测蚁群中蚂蚁是否全部更新信息素，如没有全部更新信息素，则回到步骤S4；如果全部更新信息素，则进入下一步；S5、全局更新信息素，即所有蚂蚁都构造解完成后，在全局范围里更新信息素；S6、更新启发式信息，根据价格和成本因素，将任务分配给虚拟机的启发式信息更新如下：α＝c*Amount_infeasible/ColonySize，其中，α为调节器，用于感知算法状态并根据算法状态调整的权重；price_j为初始化时设定的租用虚拟机种类在单元时间内需要的价格；cost_i,j为将任务t_i和t_j分配给虚拟机所需要的成本；Amount_infeasible为满足时间约束的有效蚂蚁个数；ColonySize为初始化设定的蚁群大小；c为放大系数；达到迭代次数，则结束优化；否则回到步骤S2。