[发明专利]基于蚁狮优化算法的云计算任务调度方法

说明书

本发明提供一种基于蚁狮优化算法的云计算任务调度方法，包括以下步骤：根据用户提交的任务，确定任务参数及适应度函数的权值；初始化蚁狮算法中蚂蚁和蚁狮的位置；通过任务与虚拟机的映射关系计算出适应度，根据蚂蚁坐标使用适应度函数计算出每只蚂蚁的适应度，并更新蚁狮位置、选出精英蚁狮；建立适应度函数；使用轮盘法选择对应的蚁狮和蚂蚁的新位置；更新蚂蚁位置，再次计算蚂蚁和蚁狮的适应函数值；判断是否大于最大迭代次数，若是得到最终的任务分配方案；若否则返回。本发明能够精确调节虚拟机群在本次任务计算中的搜索解，并在迭代过程中用评价值相关的正反馈来缩减搜索范围，提高搜索精度，保证在用户体验的前提下降低服务提供商的成本。

技术领域

本发明涉及一种云计算任务调度方法，具体涉及一种基于蚁狮优化算法的云计算任务调度方法，属于云计算任务调度领域。

背景技术

云计算(cloud computing)是基于互联网的相关服务的增加、使用和交付模式，通常涉及通过互联网来提供动态易扩展且经常是虚拟化的资源。云计算技术是分布式处理、并行处理和网格处理的发展，其包括了虚拟化技术、分布式海量数据存储、海量数据管理技术和云计算平台管理技术，主要将硬件(LaaS)、软件(SaaS)和平台(PaaS)等组成资源池，实现数据的计算、储存、处理和共享的一种托管技术。云计算不仅是一种理论，也是一种商业模式的体现方式，企业技术网络系统的后台服务需要大量的计算、存储资源和移动端及PC端软件服务对资源共享，只能通过云计算技术实现。

在云计算实际环境下，用户将自己的需求作为任务提交给云计算中心，云计算中心将任务划分为子任务，分配给合适的资源节点处理，再把处理好的结果返回给用户。在云计算领域中的对于资源分配策略是一项重要研究，对于不同的需求，资源分配的目标也是不同的：针对用户使用的云平台更加注重用户的服务质量(QoS)，保证用户的使用感受；针对企业用户的云平台则侧重资源负载平衡，保证可靠和稳定，同时尽可能减少支出。但是调度算法是一个NP-hard(non-deterministic polynomial，非确定性多项式)问题，这类问题的大型实例不能用精确算法求解，必须寻求这类问题的有效的近似算法。目前商用领域通常采用先来先服务(FCFS)/先进先出(FIFO)调度算法、短作业优先调度算法(SJF)和高优先权调度算法等方法，上述方法资源利用率低，节点负载均衡未考虑，用户间不同需求的优先级也未考虑。

本发明提出的蚁狮优化算法(Ant Lion Optimizer)是一种启发式算法，它是受到了自然界中蚁狮捕食蚂蚁的启发，算法流程主要包含五个部分：蚂蚁的随机移动、蚁狮构建陷阱，蚂蚁陷入陷阱，蚁狮捕获猎物和重新构建陷阱。蚁狮优化算法具有全局优化、调节参数少、收敛精度高、鲁棒性好的优点。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种基于蚁狮优化算法的云计算任务调度方法，通过蚁狮算法来优化调度任务的时间和处理任务的功耗成本，能够根据用户需求调整评价函数，侧重对云计算的性能优化，并且能够使用动态权值参数来正反馈地加速结果输出，提高了搜索精度。

为实现以上目的，本发明采用以下技术方案：

本发明提供一种基于蚁狮优化算法的云计算任务调度方法，包括以下步骤：

S1、根据用户提交的任务，确定任务的参数以及适应度函数的权值α；

S2、根据S1中的所述参数，初始化蚁狮算法中蚂蚁和蚁狮的位置；

S3、根据S1中的所述权值α建立适应度函数，通过任务与虚拟机的映射关系计算出适应度结果；根据蚂蚁的坐标使用适应度函数计算出每只蚂蚁的适应度，若蚂蚁的适应度函数小于蚁狮的适应度函数，则更新蚁狮的位置，同时选出适应度最小的蚁狮作为精英蚁狮；

S4、根据每只蚂蚁的适应度函数结果，使用轮盘法选择对应的蚁狮，蚂蚁的新位置由选择的蚁狮和唯一的精英蚁狮通过随机游走获得；