[发明专利]一种基于贝叶斯网络的分布式计算任务调度算法

权利要求书

1.一种基于贝叶斯网络的分布式计算任务调度算法，其特征是：包括以下步骤：

步骤一：利用HEFT调度算法对随机生成的有向无环图进行调度，得到每个有向无环图所有的子任务分配不同CPU编号的结果，所述每个有向无环图所有的子任务分配不同CPU编号的结果为HEFT调度算法的调度结果；

步骤二：取待调度的有向无环图中的单个子任务，取所述单个子任务在不同CPU上的处理时间和Rank值，作为数据集D₁的特征值,取HEFT算法的调度结果作为数据集D₁的分类结果，生成数据集D₁；

步骤三：利用构建的贝叶斯网络模型对数据集D₁进行处理，得到数据集D₁每个子任务调度到不同CPU上处理的概率；

步骤四：将步骤三中得到的所述数据集D₁中的每个子任务在不同CPU上处理的概率作为新的特征，加入到数据集D₁中，构成新的数据集D₂；

步骤五：计算数据集D₂中每个任务调度到不同CPU上的先验概率P(c)；

步骤六：取待调度的有向无环图中的一个子任务，计算所述子任务在数据集D₂中在不同CPU上的处理时间和Rank值，再计算所述子任务调度到不同CPU上的条件概率P(x_i|c)；

步骤七：待得到所述子任务调度到不同CPU上的先验概率和条件概率后，利用贝叶斯网络模型对所述有向无环图中子任务调度到不同CPU的结果进行预测；

步骤八:重复步骤六到七，直至待调度的有向无环图中的所有子任务完成条件概率的计算，并完成贝叶斯网络模型对所述有向无环图中所有子任务的调度到不同CPU结果的预测；

步骤九：当对待调度的有向无环图的所有子任务调度结果预测结束，输出甘特图，完成调度任务；

通过下式求取调度到不同CPU上的条件概率p(x_i|c)：

其中，μ_c,i和分别是第c类样本在第i个属性上取值的均值和方差，x_i为待调度的子任务的在第i个特征上的取值；

通过下式进行贝叶斯网络模型对有向无环图中所有子任务的调度到不同CPU结果的预测：

其中，y是任务调度的所有结果组成的集合，b是属性数目，d为训练集中所选取的特征的数量。

2.根据权利要求1所述的一种基于贝叶斯网络的分布式计算任务调度算法，其特征是：通过下式求取调度到不同CPU的先验概率P(c)：

其中，D_c是数据集D₂中第c类样本组成的集合，|D|为训练集中所有子任务的数量。

3.根据权利要求1所述的一种基于贝叶斯网络的分布式计算任务调度算法，其特征是：所述有向无环图中有10个任务，在3个不同的CPU上进行处理。