[发明专利]一种云环境下的知识服务多任务调度优化方法及其构建的调度系统

说明书

本发明公开了一种云环境下的知识服务多任务调度优化方法及其构建的调度系统，方法具体为：通过确定云环境下的知识服务多任务调度的优化目标函数和约束条件，并使用基于大数据环境下的多群落双向驱动协作搜索算法对目标进行优化。本发明针对优化目标中的知识服务时间引入动态随机函数，可以有效模拟平台在实际运行过程中服务时间的动态随机特征，体现调度优化算法对知识服务过程动态性和随机性的适应能力，提高知识服务过程的响应效率；通过二进制编码方式建立了微粒位置矢量与知识资源分配的映射关系，将优化算法映射到离散数据空间，并采用多群落双向驱动机制实现普通群落与模范群落间的协同交互搜索，增强算法对随机调度任务的适应能力，有效解决知识服务多任务调度的优化问题。

技术领域

本发明涉及一种云环境下的知识服务多任务调度优化方法及其构建的调度系统，属于云环境下的知识服务领域。

背景技术

集团企业云服务平台可以为用户提供产品全生命周期的的制造服务，而流动于产品制造全生命周期活动中各个环节的知识资源，则是支撑云服务系统运行的核心，其涉及各类跨领域多学科多专业的海量、分布、多源、异构知识资源。由于集团企业云服务平台面向的是大规模复杂产品的协同制造过程，企业用户向平台提出知识服务需求的云服务集涉及设计、分析、制造、控制等多学科领域之间的协同仿真及并行计算求解任务，各任务之间协同性较强，对知识资源的需求较高且各不相同。因此，面对复杂多变的用户需求及多源异构的知识资源，如何通过有效的任务调度策略对高动态性和执行时间随机性的服务任务进行均衡分配，将成为提升集团企业知识服务能力的关键问题。微粒群算法是一种基于群落特性的全局搜索优化算法，具有较强的自适应与自组织能力，是一种解决大规模任务调度问题的有效手段。

目前，微粒群算法在解决任务调度问题时，很容易陷入局部极值，进而出现“早熟”收敛现象，难以克服云环境下集团企业知识服务多任务调度过程存在的实时动态性和执行时间随机性的问题。

发明内容

针对上述现有技术存在的问题及不足，本发明提供了一种云环境下的知识服务多任务调度优化方法及其构建的调度系统，用以解决在云环境下知识服务调度过程中存在的实时动态性和执行时间随机性问题，提高知识服务过程响应速度，优化云环境下的知识服务系统性能。

本发明的技术方案是：一种云环境下的知识服务多任务调度优化方法，通过确定云环境下的知识服务多任务调度的优化目标函数和约束条件，并使用基于大数据环境下的多群落双向驱动协作搜索算法对目标进行优化。

所述优化目标函数具体为：

构建以知识服务时间KT最短、知识服务质量KQ最优、知识服务成本KC最低为目标的知识服务调度优化目标函数：

知识服务时间KT的函数为：式中，z_ab表示知识服务任务a的第b个子任务的决策变量；t_ab表示知识服务任务a的第b个子任务执行的服务时间；t'_ab表示知识服务任务a的第b个子任务执行的通讯等待时间；α_t1和α_t2表示权重系数；S_a表示任务a的子任务总量；n表示任务总量，rand()在[0,1]范围内随机变化，y＝0,1,2；

知识服务质量KQ的函数为：式中，d_ab表示用户对知识服务任务a的第b个子任务的知识资源服务的满意程度；μ_a表示满意程度修正系数；n表示任务总量；

知识服务成本KC的函数为：式中，c_ab表示知识服务任务a的第b个子任务所需的计算成本；c_ab'表示知识服务任务a的第b个子任务所需的通信成本；c_ab”表示知识服务任务a的第b个子任务所需的技术成本，α_c1、α_c2和α_c3表示权重系数；n表示任务总量。

所述约束条件具体为：