[发明专利]基于遗传算法的动态工作流调度方法

权利要求书

1.一种基于遗传算法的动态工作流调度方法，其特征在于，所述的调度方法包括：

S1、对动态工作流所有可能出现的流拓扑结果进行构造，通过建立一系列子图来对应每一种可能发生的流拓扑结果，并用概率模型进行整体建模，过程如下：

S101、确定工作流中所有可能存在的拓扑结构总数n；

S102、将工作流有向无环图改写成子图集合{Φ₁,Φ₂,…,Φ_n}，其中Φ_i代表该动态工作流中可能出现的一种控制流拓扑结构；

S103、建立{p₁,p₂,…,p_n}概率集合，其中p_i代表动态工作流采取Φ_i控制流拓扑结构执行工作的概率，p_i根据工作流在此前的m次历史执行记录信息中采取Φ_i控制流拓扑结构的次数N_i而计算得出的，m≥500，即：

并且有：

S2、对模型进行优化，其中，优化目标是找到一组工作流调度方式K，使得工作流在动态环境下执行的费用耗费的期望值

最小化，其中K.C(Φ_j)是指调度K在控制流拓扑结构Φ_j下所需的开销。

2.根据权利要求1所述的基于遗传算法的动态工作流调度方法，其特征在于，所述的步骤S2中对模型进行优化的过程如下：

S201、初始化算法的交叉率px、变异率pm和种群大小参数popsize，并生成第一代种群，种群中每个个体的编码方式为

K(k₁,k₂,…,k_n)

其中，k_i表示将工作流的任务T_i匹配到相应的云计算服务执行；

S202、评价种群中每个个体的适应值，评价的方式如下：

根据动态工作流的每一种可能的控制流拓扑结构Φ_j，分别计算每个解K在该拓扑结构Φ_j下所需的执行时间K.T(Φ_j)和费用开销K.C(Φ_j)，如果对于所有的拓扑结构{Φ₁,Φ₂,…Φ_n}，都有K.T(Φ_j)≤Deadline，即所有拓扑结构下工作流的执行时间都能够满足用户所定义的完成期限Deadline，则解K的适应值K.fitness按如下式子计算：

如果该调度K在一个或多个控制流拓扑结构中有K.T(Φ_j)>Deadline，即不能满足用户定义的完成期限，则该解K的适应值设置为适应值的上限MAX；

S203、采用竞争选择的方式，从上一代种群中选出popsize个个体；

S204、对上述选出的新一代群体进行交叉操作；

S205、对选择、交叉后得到的新一代种群进一步进行变异操作

S206、对以上交叉、变异操作所得到的新一代种群的每个个体，按照步骤S202的方式进行适应值评价；

S207、用上述操作得到的新一代种群中适应值最小的最优个体替换当前一代种群的最差个体；

S208、如果当前迭代次数超出算法设定的最大迭代次数则结束优化，否则返回步骤S203继续执行。

3.根据权利要求2所述的基于遗传算法的动态工作流调度方法，其特征在于，所述的步骤S203过程如下：

从种群中任意选择出两个个体，比较这两个个体的适应值K.fitness的大小，并从中选择K.fitness较小的一个进入新的种群之中，按照上述过程重复执行popsize次得到popsize个进入下一代种群的个体。