[发明专利]一种工作流调度进化寻优方法及终端设备

权利要求书

1.一种工作流调度进化寻优方法，其特征在于，包括：

步骤S1，根据用户输入参数和工作流数据，选取遗传算法种群中染色体作为调度策略信息载体，结合种群规模M、计算资源规模N以及工作流数据设计多重染色体对W的信息编码结构；所述用户输入参数包括截止时间约束参数；

步骤S2，根据所述信息编码结构构造的任一多重染色体对，按照构造方法循环单个多种染色体对构造过程，形成规模为M的均衡混合初始化种群；

步骤S3，根据所述均衡混合初始化种群，构建进化过程，并依据所述用户输入参数调整进化方向，按照所述用户输入参数以及原始适应度修正均值构造改进适应度，并根据所述适应度计算进化过程中种群每条染色体的自适应交叉概率Pc和自适应变异概率Pm，将每条染色体进行基因操作并将所得调度策略存入调度寻优策略池A；

其中，所述基因操作指进化过程中的交叉、变异及选择的操作；

步骤S4，将优选策略池A中的ω条染色体作为截止时间约束下再进化操作的输入，并加入M-ω条随机生成的染色体，获得再进化种群作为步骤S3的输入种群并按照步骤S3迭代执行再进化，所得调度策略均存入调度寻优策略池B；

其中，停止迭代的条件为：迭代次数达到预设的次数；

步骤S5，匹配截止时间约束条件，并对比截止时间约束满足率和执行花费，评价算法执行效率，判定调度寻优策略池A和调度寻优策略池B的每条调度策略，以确定优选调度策略；

其中，步骤S1中的多重染色体对W的信息编码结构共包含2条染色体，即

多重染色体对W＝{chromesome1,chromesome2}

chromesome1＝sequence of{Pc,Pm,gen₀,gen₁,…,gen_k,…,gen_L-1}

chromesome2＝{tof₀,tof₁,…,tof_i,…,tof_N-1}

假设第i台虚拟机上，执行序列的规模为g，则tof_i可表示为：

其中，Pc为染色体的自适应交叉概率；Pm为染色体的自适应变异概率；gen_k为染色体的k位置上的基因，0≤kL；vm_i为计算资源中第i号虚拟机，0≤iN；tof_i为分配到计算资源vm_i的计算任务执行序列；

其中，L为大于0的整数，N为虚拟机的个数，为计算资源vm_i的第g-1个计算任务；

其中，根据所述信息编码结构构造的任一多重染色体对，按照构造方法循环单个多种染色体对构造过程，形成规模为M的均衡混合初始化种群，具体过程如下：

按照步骤S1得到的染色体对编码结构，假设使用k种方法构造初始化种群，则按照方法1构造x₁条染色体对，按照方法i构造x_i条染色体对，按照方法k构造x_k条染色体对，得到规模为M的均衡混合初始种群；其中，k≥2，

其中，按照所述用户输入参数以及原始适应度修正均值构造改进适应度，并根据所述适应度计算进化过程中种群每条染色体的自适应交叉概率Pc和自适应变异概率Pm，具体过程如下：

对于所述均衡混合初始化种群，按照截止时间约束计算染色体的原始适应度向量F_ini，按原始适应度修正均值，构造改进适应度向量F_imp；

利用最大改进适应度值减去当前改进适应度值，并除以最大改进适应度值与改进适应度修正均值的差，得到概率中间变量V_mi；

对改进适应度值小于其修正均值时，概率修正变量取值为1；

对改进适应度值与其修正均值的关系，分别与不同参数相乘，标记为Pc；

取M个目标染色体样本，重复以上过程得到M个Pc值；

基于同样的过程，可得Pm；

其中，根据所述适应度计算进化过程中种群每条染色体的自适应交叉概率Pc和自适应变异概率Pm的计算公式包括：

其中，P_c(i)表示当代种群中第i条染色体对的交叉概率，P_m(i)表示当代种群中第i条染色体对的变异概率，f_max表示最大改进适应度值，f(i)表示第i条染色体对当前改进适应度，f_cavg表示当前种群适应度的修正均值，k₁和k₃表示交叉参数，k₂和k₄表示变异参数；

其中，步骤S5中判定调度寻优策略池A和调度寻优策略池B的每条调度策略，以确定优选调度策略的过程具体如下：

对种群中所有染色体执行步骤S2、步骤S3以及步骤S4获得调度寻优策略池A和调度寻优策略池B，以截止时间约束满足率为评价标准，对比步骤S4和步骤S5所获得调度寻优策略池A和调度寻优策略池B；

根据所述用户输入信息，确定次要约束；所述用户输入信息还包括次要约束信息；

若某一调度寻优策略适应度最优且不违反次要截止时间约束，或违反截止时间约束程度相对其他调度寻优策略最小，则判定该调度寻优策略作为目标调度寻优策略，并给出调度结果。