[发明专利]基于土狼优化算法的企业级PaaS系统资源调度方法

说明书

本发明涉及资源调度技术领域，具体涉及基于土狼优化算法的企业级PaaS系统资源调度方法，采用如下五个步骤：步骤一：问题编码与初始化；步骤二：土狼成长；步骤三：土狼进化；步骤四：不同土狼群之间的交流；步骤五：选择最佳土狼；它提出将群智能优化算法的土狼算法用于解决企业级PaaS系统的资源调度问题，从而为解决企业级PaaS系统资源调度问题提供了新的解决方法；它在土狼算法中融合小生境技术，改进了土狼算法的进化机制，从而提高土狼算法在寻找企业级PaaS系统资源调度全局最优解的能力；并且改进土狼算法中计算土狼群文化趋势的方法，从而提高土狼算法在寻找企业级PaaS系统资源调度的收敛精度。

【技术领域】

本发明涉及资源调度技术领域，具体涉及一种基于小生境技术的土狼优化算法的企业级PaaS系统资源调度方法。

【背景技术】

企业级PaaS系统资源调度问题属于资源调度范畴，云计算下的资源调度一直以来都是研究的重点，云计算系统效率的高低很大程度上取决于系统能否有效、合理地分配资源关系到云计算下。

传统的资源调度算法包括:先来先服务(FCFS:First Come First Service)调度算法、轮转(Round Robin)调度算法、Min-min(最小-最小)调度算法、Max-min(最大-最小)算法等，这些算法在求解的过程中简单易行，但是存在一个普遍的缺点，即算法的负载在一般情况下都是不均衡的。对于企业级PaaS系统而言，实现负载均衡是基本要求之一。近年来，随着群体智能算法的不断发展，将群体智能算法运用在资源调度中已经成为了当前研究的热点。群体智能算法包括Holland教授提出的遗传算法、Kirkpatrick等人提出的模拟退火算法、Eberhart Russell和James Kennedy提出的粒子群算法、Dorigo Marco等人提出的蚁群算法等等。

目前，评价资源调度是否合理，常用的指标有：任务完成的时间、花费的成本、负载的均衡、资源的消耗等。陈超等人在简单遗传算法的基础上提出变异算子的两种操作方法，加快算法收敛速度，并且实现了负载均衡的任务调度目标。王艳平和高仲合利用蚁群算法，在任务与资源之间加入一个查找表并在信息素更新时引入成功率因子，缩短了任务的执行时间。程春玲[10]提出基于改进遗传算法的最小能耗调度算法，实现了降低系统总能耗同时缩短任务完成时间。赵宏伟等人提出基于群体感应交流机制的细菌觅食优化算法和在群体协作过程中引入细菌趋化动作的优化算法，缩短了任务的执行时间并且提高了系统负载均衡。

上述算法中，均在资源调度问题上的某些方面上取得良好的效果，表现出较好的自适应性，但也存在着各自的不足。例如在遗传算法中，它的计算量大，并且没有充分利用反馈机制，因此它的求解过程慢，完成资源调度所花费的时间较长；在粒子群算法中，它容易陷入局部最优，从而导致收敛精度较低，同时它的参数设置需要先前经验，参数设置得不合适，可能导致错过最优解；在蚁群算法中，它的计算量大，求解速度较慢，同样它的参数设置需要不断调试，不恰当的设置会导致求解效果差，从而无法实现较好的资源调度效果。

【发明内容】

本发明的目的在于针对现有技术的缺陷和不足，提供基于土狼优化算法的企业级PaaS系统资源调度方法。

本发明所述的基于土狼优化算法的企业级PaaS系统资源调度方法，采用如下步骤：

步骤一：问题编码与初始化阶段，采用如下步骤：

(3)根据企业级PaaS系统资源调度问题，建立数学优化函数；选择CPU利用、内存利用、磁盘输入输出利用，作为PaaS系统调度问题的指标，建立优化目标函数；以企业级PaaS系统中应用P的实例数为n，形成CPU利用率函数C、内存利用率函数M和磁盘利用率函数D；

(4)根据企业级PaaS系统资源调度问题，初始化土狼，采用如下步骤：

A.在土狼算法中，随机将土狼分成Np个土狼群，并且每个土狼群中包含Nc只土狼；