[发明专利]一种基于免疫粒子群的科学工作流多目标调度方法

说明书

本发明公开了一种基于免疫粒子群的科学工作流多目标调度方法，将免疫算法加入到了粒子群算法中，通过免疫粒子群算法模拟免疫系统的多样性生成和保持机制保证粒子的多样性，避免粒子在寻找全局最优解时陷入局部最优状态。同时将免疫粒子群算法运用到科学工作流多目标调度环境中，能够在满足用户约束时间和安全性的条件下，找到最优化的科学工作流多目标调度方案。与现存的算法相比，本发明在算法的适应度值计算公式中加入了多目标值的计算，用于筛选符合要求的粒子，保证产生的最优工作流调度结果符合预期；同时在操作中粒子群算法剔除了“交叉”和“变异”操作简化了算法，在收敛初期收敛速度快，运算简单，减少算法运行时间。

技术领域

本发明涉及在科学工作流调度领域，具体涉及一种利用免疫粒子群算法的在多目标下的科学工作流调度方法。

背景技术

工作流调度是一种调整任务执行顺序的方法。正确的工作流调度能够减轻服务器负担，减少用户计算费用开支。但是近年来计算数据不断扩大，导致了传统单目标工作流调度方法已不再适合作为一个单独的算法来解决科学工作流的调度问题。

将工作流调度算法升级从单目标转换为多目标能够从多方面加以约束，使得调度方案考虑更加全面，更符合实际需求。当前科学工作流多目标调度方法以多目标进化调度方法和多目标粒子群调度方法为主。而多目标粒子群算法本质上是一种迭代算法，通过迭代来寻找最优解，具有较高的搜索能力且能够在较短时间内的找到全局最优解。但是由于其算法特性，在求解时收敛后期容易陷入局部最优状态。

故针对现有科学工作流多目标调度算法中存在的缺陷，有进行研究的必要，提出一种方法解决当前的算法的缺陷，以获得最优的工作流调度方案。

发明内容

为了克服现有技术粒子群算法存在的缺陷，本发明公开了一种基于免疫粒子群的科学工作流多目标调度方法，将免疫算法加入到了粒子群算法中，通过免疫粒子群算法模拟免疫系统的多样性生成和保持机制保证粒子的多样性，避免粒子在寻找全局最优解时陷入局部最优解。同时将免疫粒子群算法运用到科学工作流多目标调度环境中，能够在满足用户约束时间和安全性的条件下，找到最优化的科学工作流多目标调度方案。

为了解决现有技术的问题，本发明的技术方案如下：

包括以下步骤：

步骤(1)：建立费用模型。费用作为本发明调度方案优劣的评判标准，故建立费用模型来明确目标。

步骤(2)：初始化粒子群，利用工作流节点数m、虚拟机数目n以及需要的粒子数s来随机生成两个三维矩阵P和F，分别代表粒子群和对应粒子拥有的增量，并初始化粒子群的个体最优位置P_b和全局最优位置G_b。

步骤(3)：计算粒子的适应度。计算粒子适应度之前应先进行安全性计算、时间计算和费用计算。其中安全性计算和时间计算可以先进行，费用被安排在在得到任务完成时间和完全计算花费之后。故在步骤(3)中进一步包括了以下步骤：

步骤(3.1)：安全性计算。本发明用a，b，c分别表示身份验证服务、完整性服务和机密性服务以方便与描述。另将安全级别设置为0.18到1之间，1表示最佳安全效果。科学工作流中w风险率P(w)计算公式如下：

步骤(3.2)：时间计算。时间计算又分为开始时间计算、安全服务时间计算和完成时间计算三个步骤：

步骤(3.2.1)：开始时间计算。计算t_i任务被分配到虚拟机开始运行的时间

步骤(3.2.2)：安全服务时间计算。计算科学工作流中各个任务执行过程中安全性服务所发花费的时间。任务所花费的时间计算公式如下：