[发明专利]统筹资源可信度与用户满意度的分布式资源调度方法

权利要求书

1.统筹资源可信度与用户满意度的分布式资源调度方法，其特征在于按照以下步骤进行：

步骤1：用户Agent：向作业响应Agent提交作业，作为资源的消费者出现，作业申请成功时占用资源，作业完成后释放资源；

步骤2：作业响应Agent：接受用户提交的作业申请，向用户返回作业完成结果；

步骤3：作业分解分发Agent：接受作业响应Agent发送的作业，将作业分解成可被分解的最小粒度，即子作业，并将分解后的子作业发给作业调度Agent；

步骤4：资源搜索Agent：搜索网络中在线的资源，注册资源；

步骤5：作业调度Agent：作业调度Agent接受已经被划分为最小粒度的子作业，通过调度算法将子作业分配到资源Agent中；

步骤6：资源Agent：在线时向资源搜索Agent发送在线消息，选择资源搜索Agent，确定注册，接受作业调度Agent发送的作业，完成作业，检测自身状态，向资源搜索Agent发送自身资源可信度，当调度倾泻或者作业失败时向作业监控Agent申请移交作业；

步骤7：作业监控Agent：监控资源Agent的状态，当接到资源Agent发送的移交作业申请时，将作业进行重新分配。

2.按照权利要求1所述统筹资源可信度与用户满意度的分布式资源调度方法，其特征在于：所述步骤5中的调度算法为：

设作业调度Agent中的作业Agent资源为1，2，......，m，以及资源1，2，......，m的可信度矩阵R＝[r₁，r₂，......，r_m]^T，矩阵是资源可信度r(t)的线性组合，以及费用矩阵C＝[c₁，c₂，......，c_n]^T，矩阵为多个费用的线性组合，和接受的作业1，2，......，n以及作业的满意度矩阵

S=w11w21Lwn1w12w22Lwn2LLLLw1mw2mLwnm;]]>

其中，w_ij表示第i个用户对第j个资源的满意度，w_nm表示第n个用户对第m个资源的满意度，w_nm中的n和m分别表示用户作业个数和资源个数，而w_ij中i和j分表表示具体的第i个用户作业和具体的第j个资源，采用遗传算法进行计算，计算过程如下：

染色体编码：

染色体为一个n维的元素为整数的矢量D＝[d₁，d₂，L，d_n]，d_i(i＝1～n)，为整数，表示第i个作业被分配到了第d_i个资源上，d_i的取值范围为1～m，D矢量完全代表了当前作业1，2，......，n的分配资源情况；

种群初始化：

设置种群大小popNum后，生成popNum个染色体，每个染色体中的元素均为随机生成，随机数的范围位于1～m之间；

适应度函数：初始化完成之后，对种群中染色体的适应度进行评估，第i个作业分配到第d_i个资源上，此时用户的满意度函数如下：

si,di=wit1hdirdirb+wiecbcdi]]>

w_it+w_ie＝1，

w_it和w_ie分别为用户对于时间性能和经济费用的偏好程度，r_j为第j个资源的可信度，r_b为分布式系统历史资源可信度均值，c_j为第j个资源对用户i的报价，c_b为系统历史资源报价均值；

适应度评估函数如下：

fitness=Σi=1nsi,di.]]>