[发明专利]基于集合型离散粒子群优化的云工作流调度方法

说明书

技术领域：

本发明涉及云计算以及智能计算两大领域，主要涉及一种基于集合型粒子群算法优化云工作流调度的方法。

技术背景：

云计算作为一种新兴的资源使用和交付模式，可以让用户随时随地根据自己的需求来使用各种资源，已经逐渐为学界和产业界所认知。它提供了很弹性的方法来实现一种基于交付模式计算密集型的工作流应用。在云系统中，由于用户越来越关注服务质量(QoS)的满意程度，满足用户自定义需求的云工作流动态调度问题已经逐渐变成一个亟待解决而且具有挑战性的难题。

粒子群算法(PSO)是一种模拟自然界中鸟群和鱼群捕食的随机搜索算法。虽然PSO是一个非常适合于连续领域问题优化的算法，并且已经在很多连续空间领域获得了相当成功的应用，但是还是有很多现实的问题都是定义在离散空间中的，例如典型的离散组合问题就有背包问题，旅行商问题，调度问题等。为了将PSO在离散优化空间中拓展，我们此前提出了集合型的粒子群优化算法(S-PSO)，成功地突破了粒子群优化在离散优化空间的应用瓶颈，在解决如旅行商和多重背包等经典组合优化问题中取得了很好的求解性能[1]。以此为基础，如果能实现基于S-PSO的云工作流调度方法，将可以为进一步提高云工作流调度的效率提供新的有效途径。基于此技术背景，本发明将提出一种基于S-PSO的云工作流调度方法，提高云工作流调度的性能和效率。

参考文献：

[1]Wei-neng Chen，Jun ZHANG，Henry Chung，Wen-liang Zhong and Yu-hui Shi，“A Novel Set-Based Particle Swarm Optimization Method for Discrete Optimization Problems”，IEEE Transactions on Evolutionary Computation，Vol.14，No.2，pp.278-300，March，2010.

发明内容：

本发明提出基于集合型粒子群优化算法的云工作流调度方法，具体步骤包括：

(1)初始化算法的各个参数，并建立第一代粒子群和初始速度。粒子的编码方式为一个n元组：

X＝(X¹，X²，...，Xⁿ)

其中Xⁱ∈S_i，S_i表示能用于执行第i个任务T_i的所有云计算服务的集合。事实上，由于每个任务只能匹配到一个云计算服务中执行，因此Xⁱ仅仅只含一个元素K_i，表示任务T_i被安排云计算服务上执行，n是工作流中任务的总数量。初始化时Xⁱ用完全随机的方式生成。

速度的编码方式也为一个n元组

V＝(V¹，V²，...，Vⁿ)

其中每一维度是一个带有可能性的集合V^j＝{e/p(e)|e∈S_j}，表示集合S_j中的每一个元素e都关联着一个可能性p(e)。在初始化速度时，首先随机从S_j里面选择一个元素，并且分配一个随机的可能性p(e)∈(0，1]给这个元素，其它所有没选的元素的可能性都设置为0。

(2)根据粒子当前的位置评估每个粒子的适应度值。

(3)更新每个粒子的个体最优位置。

(4)更新粒子的速度，公式为：