[发明专利]一种基于差分与蚁群算法的云计算任务调度方法

说明书

技术领域

本发明属于云计算任务调度技术领域，特别涉及一种基于差分与蚁群算法融合的云计算任务调度方法。

背景技术

云计算是一种基于互联网的动态提供计算机资源的商业服务模式，它是分布式计算、并行计算、网格计算等传统计算机和网络技术发展的产物。云计算利用虚拟化技术来构建大型服务资源池，为用户提供存储能力、计算能力等形式的服务，用户只需按需付费，这种商业化的模式使云计算飞速发展。

云计算的核心思想是将大量的计算资源、存储资源和服务资源连接起来，形成一个超级资源池，从应用角度来说分为三个层次：软件即服务(SaaS)、平台即服务(PaaS)、基础设施即服务(IaaS)。虽然这三个层次在应用方面的侧重点不同，但是他们都包含着同一个问题：即任务调度问题。一个云计算系统可能包含着成千上万个分布在各地的资源节点，同时处理着多种任务，由于云计算资源的不稳定性和商业性特点，使得任务调度变得更加复杂，而调度策略的好坏直接影响着云计算系统的性能。因此如何对云计算资源进行合理分配，使各类应用能在较短时间内获得一个好的调度结果，成为云计算领域中的一个技术难点。

发明内容

本发明旨在解决以上现有技术的问题。提出了一种以减少任务完成时间，提高系统利用率的基于差分与蚁群算法的云计算任务调度方法。本发明的技术方案如下：

一种基于差分与蚁群算法的云计算任务调度方法。其包括以下步骤：

1)、差分算法阶段：在云计算系统中，通过差分算法获取种群中前10％的最优解，并将这些解转化成蚁群算法的初始信息素，种群指差分算法初始化时随机生成NP个个体，每个个体代表一个潜在的调度方案；

2)、进入蚁群算法，计算本次迭代最优解L_iterNum，与上一代最优解L_iterNum-1做对比，iterNum表示迭代次数，如果优于上一代解，则以1的概率取本次迭代最优解，否则采用二八原则，以80％的概率选取L_iterNum-1，20％的概率选取L_iterNum，然后用取得的解进行信息素更新，以避免算法陷入局部最优解，根据最优解进行云计算任务调度。

进一步的，所述步骤1)用差分算法来获取解集合的前10％具体包括步骤：

(1)随机初始化NP个个体作为初始种群，将t个任务随机放置在m个虚拟机上，t>m，根据适应度函数，计算每个个体的适应度值；

(2)设置当前迭代次数iterNum＝0，和最大迭代次数iterMax。

(3)变异：随机选取两个不同的个体做差，将其向量差通过缩放因子进行缩放，然后与第三个个体求和生成一个中间体，向量差指选取的两个不同个体做差后的结果。

(4)交叉：将种群中的一个个体与变异后的中间体进行交叉操作，得出试验个体；

(5)选择：采用贪婪选择策略，计算试验个体与目标个体的适用度值，选取适应度值较大的个体，作为下一代的基准向量；

(6)、设置iterNum＝iterNum+1,判断iterNum是否等于iterMax/2，如果等于iterMax/2，选取种群NP的前10％个最优解，即NP*10％，否则跳转到步骤(3)。

进一步的，所述步骤1将从差分算法获取到的前10％的解来初始化蚁群算法的信息素，解决蚁群算法前期信息素匮乏的问题，信息素转化公式：

其中n_i表示在前10％的解中，任务i被分配到虚拟机vm_j上的次数，n为前10％解的个数，n为NP*10％，v_{mip_j}表示虚拟机vm_j的计算能力，v_avgmip表示虚拟机平均计算能力，当n_i＞0时，设初始信息素为当n_i为其他值时,设初始信息素为0.0000001。

进一步的，所述步骤2)中，信息素更新公式：τ_ij(t+1)＝(1-ρ)τ_ij+ρΔτ_ij(t)，ρ为信息素挥发因子，0＜ρ＜1，Δτ_ij(t)为信息素增量：i表示第i个任务，j表示第j个虚拟机。

本发明的优点及有益效果如下：