[发明专利]基于动态目标策略的云计算资源调度优化方法及应用

权利要求书

1.一种基于动态目标策略的云计算资源调度优化方法，其特征在于，包括下述步骤：

初始化种群：对种群中的每一个染色体，随机生成一个资源调度序列；

适应值评估：采用任务流执行成本的倒数评价适应值；

动态目标策略：若第一代初始化时没有满足最终截止时间需求的可行解，则将任务流执行时间作为优化目标，将任务流执行时间倒数评价染色体的适应值，每次迭代选择TET更小而适应值更高的染色体，直至种群中出现染色体得出的解满足最终截止时间需求，再重新采用任务流执行成本的倒数评价适应值；

选择算子：根据染色体的适应值，通过轮盘赌选择进入下一代的染色体个体；

染色体的交叉和变异：每个染色体都设有一个交叉概率和一个变异概率，对每个资源调度序列生成一个随机数，若随机数小于交叉概率，则选择该资源调度序列作为交叉的父本之一；

对每个资源调度序列的每个任务，生成一个随机数，若随机数小于变异概率，则该任务所占资源编号发生变异；

最优个体保留策略：每一代中，若当代中有染色体的适应值高于当前最优染色体，则将当代中所述染色体作为新的最优染色体；否则，采用当前最优染色体个体替换掉当代中适应值最小的染色体；

当找到一个可行解后，执行到指定代数后无法找到可行解的时，输出产生的最优染色体的解。

2.根据权利要求1所述的基于动态目标策略的云计算资源调度优化方法，其特征在于，所述对种群中的每一个染色体，随机生成一个资源调度序列，具体步骤包括：

采用资源和任务的编号表示相应的资源和任务，每一个染色体第i位基因表示任务t_i所在执行的资源，对于染色体x，x_i＝j表示任务t_i在资源r_j上执行。

3.根据权利要求1所述的基于动态目标策略的云计算资源调度优化方法，其特征在于，所述通过轮盘赌选择进入下一代的染色体个体，资源调度序列被选择的概率为：

fitness_i＝1/TEC_i

其中，TEC表示任务流执行成本，fitness_i表示适应值，i表示染色体基因第i位。

4.根据权利要求1所述的基于动态目标策略的云计算资源调度优化方法，其特征在于，所述染色体的交叉和变异的步骤中，每当选择到2个染色体时，生成一个随机数n∈[1,N-1],n∈Z，对应交换两个资源调度序列的前n个任务的资源编号。

5.一种基于动态目标策略的云计算资源调度优化系统，其特征在于，包括：种群初始化模块、适应值评估模块、动态目标策略构建模块、选择算子模块、染色体交叉和变异模块、最优个体保留策略构建模块和输出模块；

所述种群初始化模块用于初始化种群，对种群中的每一个染色体，随机生成一个资源调度序列；

所述适应值评估模块用于采用任务流执行成本的倒数评价适应值；

所述动态目标策略构建模块用于构建动态目标策略，具体为：若第一代初始化时没有满足最终截止时间需求的可行解，则将任务流执行时间作为优化目标，将任务流执行时间倒数评价染色体的适应值，每次迭代选择TET更小而适应值更高的染色体，直至种群中出现染色体得出的解满足最终截止时间需求，再重新采用任务流执行成本的倒数评价适应值；

所述选择算子模块用于根据染色体的适应值，通过轮盘赌选择进入下一代的染色体个体；

所述染色体交叉和变异模块用于完成染色体的交叉和变异，每个染色体都设有一个交叉概率和一个变异概率，对每个资源调度序列生成一个随机数，若随机数小于交叉概率，则选择该资源调度序列作为交叉的父本之一；

对每个资源调度序列的每个任务，生成一个随机数，若随机数小于变异概率，则该任务所占资源编号发生变异；

所述最优个体保留策略构建模块用于构建最优个体保留策略，具体为：每一代中，若当代中有染色体的适应值高于当前最优染色体，则将当代中所述染色体作为新的最优染色体；否则，采用当前最优染色体个体替换掉当代中适应值最小的染色体；

所述输出模块用于输出最优解，在找到一个可行解后，执行到指定代数后无法找到可行解的时，输出产生的最优染色体的解。