[发明专利]一种基于遗传算法的云资源调度方法

权利要求书

1.一种云资源调度方法，其特征在于，包括如下步骤：

步骤1：初始化各个服务器参数，所述服务器参数包括服务器个数以及每个服务器拥有的CPU和内存信息，并给出超时赔偿参数；

步骤2：接收用户提交的任务，用户提交的任务包括如下信息：任务的CPU和内存需求，以及期望完成时间；

步骤3：采用遗传算法得到资源调度的分配方案，即任务与服务器的映射关系；

进一步包括：通过在遗传算法中适应度函数的选取，求出每个资源节点的运行成本和任务超时赔偿计算总的成本，然后求出适应度值，适应度函数选取为：

其中，K_i为服务器i的单位成本，T_i为服务器i运行的时间，B为期望时间内没有完成的任务集合，f(b，t)为任务b超时t的成本函数，f(b，t)采用线性函数或二次函数，其中：

f(b，t)＝f₀+kt²

在计算成本时，当多个任务分给同一个资源节点时，在资源节点上采用任务优先级方式调度，单个资源节点运行时间，总运行时间为任务的需求计算总和除以资源节点计算能力：

并记录出哪些任务超时，以及超时时间，这样就可以计算出个体适应度；

步骤4：调度器根据步骤3得到的分配方案进行资源调度。

2.如权利要求1所述的云资源调度方法，其特征在于：在所述初始化各个服务器参数之前，输入以下信息，包括：

(1)服务器信息：云中服务器的个数，每个服务器的CPU、内存信息，每个服务器的运算成本；

(2)任务信息：任务的总个数，每个任务需求的CPU、内存信息，期望完成时间，任务超时赔偿参数；

(3)遗传算法参数：种群规模S，终止迭代次数G，交叉概率R_c,变异概率R_m。

3.如权利要求1所述的云资源调度方法，其特征在于：所述步骤3中，对于多个任务映射到同一资源的情况，采用赔偿的任务先运行的方式。

4.如权利要求1所述的云资源调度方法，其特征在于：在所述遗传算法中变异过程中，采用区分式变异，对高适应度值的个体采用单点变异，对低适应度值的个体采用多点变异。