[发明专利]基于遗传-蚁群融合算法的动态服务资源调度方法

权利要求书

1.基于遗传-蚁群融合算法的动态服务资源调度方法，其特征在于，包括以下步骤：

S1:建立服务任务，确定动态服务资源集；

S2:选择遗传算子，基于所述遗传算子求解获得适应度值高的优化解；

S3:选择蚁群算子，并将所述遗传算子和所述蚁群算子的过渡，将遗传算子求出的所述优化解转化成所述蚁群算子的初始信息素分布；

S4:基于所述初始信息素分布，获取动态服务资源的调度方案。

2.根据权利要求1所述的动态服务资源调度方法，其特征在于，步骤S1中的所述遗传算子的选择包括以下步骤：

S11：基于所述遗传算子对所述服务任务和所述动态服务资源进行遗传编码，将所述服务任务分解为多个子任务，基因段代表子任务编号，基因位代表工序编号，基因值代表动态服务资源编号；通过选择、交叉、变异不断生成新个体；

S12：随机生成初始种群M，子群个数为A，每个子群产生p个新个体，通过对子任务设定约束条件，约束条件为时间T、成本C、质量Q、能力L四个目标函数，即T≤T_max、C≤C_max、Q≥Q_min、L≥L_min；判断所述新个体的四个目标函数值即初始解是否满足约束条件，若满足，则选定，否则删除，不断迭代此过程，直到初始解空间的数量达到完成子任务所需的资源的数量要求；

S13：所述约束条件根据效益型指标T_ij的公式(1)：

其中，为指标的最大值；

为指标的最小值；

m_ij为指标i的值；

以及成本型指标的公式(2)：

计算，并对时间T、成本C、质量Q和能力L四个目标函数进行无量纲化处理，然后根据公式(3)计算适应度函数minF：

minF＝ω₁T+ω₂C-ω₃Q-ω₄L (3)

其中，T为时间、C为成本、Q为质量、L为能力；ω₁、ω₂、ω₃、ω₄分别为时间T、成本C、质量Q和能力L的权重；

S14：采用轮盘赌法进行选择操作，利用公式(4)计算第i个染色体被选择的概率P(i)：

其中M为种群规模，F(i)为第i个染色体的适应度，通过公式(5)得出第i个染色体被选择的累积概率Q(i)为：

随机生成[0,1]的随机数R(1)，若R(1)≤Q(1)，则选择第1个染色体，否则选择满足Q(i-1)≤R(1)≤Q(i)的第i个染色体，重复生成随机数的过程，直到选择了M个个体为止，这样便使那些适应度较好的染色体得到很大程度的保留；

S15：采用顺序交叉方法进行交叉操作，首先随机选择两条父串，然后在染色体长度内随机生成两个整数rand₁和rand₂，最后将rand₁和rand₂之间的基因进行交换，形成新的子代染色体；

S16：采用逆转变异方法进行变异操作，包括以下步骤：

(1)随机选择一条染色体；

(2)在染色体长度内随机生成两个整数rand₁和rand₂；

(3)将rand₁和rand₂之间的基因进行逆转交换，形成一条新的染色体。

3.根据权利要求2所述的动态服务资源调度方法，其特征在于，所述顺序交叉方法的交叉概率的范围为[0.2,0.9]；所述逆转变异方法中以[0.001,0.1]为变异概率范围对染色体进行变异。

4.根据权利要求1所述的动态服务资源调度方法，其特征在于，步骤S3中所述蚁群算子的选择是基于最大最小蚁群系统(Max-Min Ant System，MMAS)算法进行的。