[发明专利]一种工作流调度进化寻优方法及终端设备

说明书

本发明适用于云计算和人工智能技术领域，提供了一种工作流调度进化寻优方法及终端设备。该工作流调度进化寻优方法包括：设计多重染色体对编码结构；构造均衡混合初始化种群；自适应计算相关变量；执行再进化操作；优选调度策略。上述工作流调度进化寻优方法，能够以较高的截止时间约束满足率和较低执行花费，提供满足用户需求的调度策略，为构建截止时间约束下的工作流调度进化寻优系统提供参考实现。

技术领域

本发明属于云计算和人工智能技术领域，尤其涉及一种工作流调度进化寻优方法及终端设备。

背景技术

云计算中的任务越来越多地以工作流形式存在。这种工作流通常是数据密集型和计算密集型应用。由于工作流具有大量的数据和计算需求，所以需要云计算提供高性能计算资源。云计算将计算资源作为服务，根据用户的需求以虚拟机的形式动态地提供给用户。云计算提供资源服务的模式主要包含：基础设施即服务(IaaS)、平台即服务(PaaS)和软件即服务(SaaS)。在基础设施云以虚拟资源池的方式为用户提供服务，通过调度技术为工作流分配计算资源成为云计算、人工智能领域的研究重点。

云环境下工作流调度是指在特定云环境下，按照用户的计算需求，为工作流中不同的计算任务匹配不同的计算资源，并寻找到最优匹配方案的过程。工作流调度时对任务进行资源分配和寻优，通过提取工作流任务特征及相互数据依赖关系，得到工作流问题的公式化描述，再对其进行建模，为其分配计算资源，确定分配策略满足用户需求，并寻优。工作流调度试图建立计算任务、计算资源，以及用户需求之间的对应关系，度量其适应程度。调度用于计算任务与计算资源之间的映射，例如由不同计算规模的计算任务与不同计算性能的计算资源之间执行时间和执行花费的变化，找出目标优化项变化的轨迹。在云计算工作流调度系统中，工作流内容通常用节点特征进行描述。事实上，基于云计算的工作流可以分为三个步骤：工作流建模、任务资源映射以及策略寻优。

工作流调度是人工智能的一个重要应用，主要目的是为工作流中计算任务分配所需计算资源并加以调整，也可称为约束条件下资源调度的优化问题。资源调度主要是对计算资源池中计算资源进行分配。通常，约束条件下资源调度优化问题处理是使用惩罚函数惩罚不合适的调度策略，将约束问题转换为无约束问题。除了传统调度算法的不断优化和改进之外，一些进化算法也被采用来生成近似最优的调度策略。Rodriguez和Buyya针对云环境下科学工作流调度提出了一种基于元启发优化技术的粒子群优化算法，该调度算法在满足截止时间约束条件下使整体执行花费最小，充分考虑了云计算中IaaS的一些基本特性，如计算资源的弹性化与异构化。但算法中使用不满足约束条件的粒子不如合法粒子的惩罚函数，可能会导致算法过早收敛而陷入局部最优。Li Liu等人提出了一种基于截止时间约束的协同遗传算法CGA²，保证了在满足截止时间约束条件下，使总体执行花费最小，能够加速收敛并能避免早熟。但该算法中引入协同演化操作会增大计算量，同时由于其本质是一种贪心策略会在某些情况下无法按约束需求得到最优值。

发明内容

有鉴于此，本发明实施例提供了一种工作流调度进化寻优方法及终端设备，以解决现有技术中截止时间约束满足率较低和执行花费较高的问题。

本发明实施例的第一方面，提供了一种工作流调度进化寻优方法，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；