[发明专利]云服务预算优化调度方法、装置、设备和存储介质

权利要求书

1.一种云服务预算优化调度方法，其特征在于，包括以下步骤：

步骤一，初始化虚拟机配置，然后以当前收到的云服务请求数量作为行数，以虚拟机数量作为列数，建立随机整数矩阵；

步骤二，以随机整数矩阵中的每个元素作为粒子群优化方法中的粒子，并初始化每个粒子的速度和位置；

步骤三，对粒子的速度和位置进行更新，以使随机整数矩阵中的每个元素获得新的整数值；

步骤四，按由大到小的顺序，检查随机整数矩阵每行中每个整数所代表的虚拟机提供的云服务处理成本是否不超过用户预算，并选择这一行中第一个不超过用户预算的虚拟机作为云服务调度节点，在检查完随机整数矩阵所有行之后得到当前调度方案，执行步骤五；

步骤五，根据适应度函数核算当前调度方案是否具有最优成本，如果是就将当前调度方案替换掉原有的最优成本调度方案，否则不对原有的最优调度方案做任何修改；然后检查是否达到预设迭代次数，如果达到就跳转步骤六，否则返回步骤三继续迭代；

步骤六，输出调度方案，完成调度。

2.根据权利要求1所述的一种云服务预算优化调度方法，其特征在于，所述的步骤三包括以下过程：

步骤1，对粒子的速度进行更新：

其中，t表示的是当前迭代次数，k表示粒子k，c₁、c₂分别为粒子自身经验和群体经验的学习因素，rand₁、rand₂分别为均匀分布在[0，1]范围内的随机变量，ω为控制粒子搜索能力的惯性因子，pbest_k为粒子k到目前为止访问过的最佳体验位置，gbest为到目前为止的粒子空间中全局最优位置；

步骤2，对粒子的位置量进行更新：

3.根据权利要求2所述的一种云服务预算优化调度方法，其特征在于，惯性因子ω的计算式为：

其中N为预设的迭代总次数，第k个粒子最大随机量分布在[0.8，1]范围内，第k个粒子最小随机量分布在[0.1，0.2]范围内。

4.根据权利要求1所述的一种云服务预算优化调度方法，其特征在于，如果随机整数矩阵的一行中所有整数所代表的虚拟机提供的云服务处理成本均超过用户预算，则认为用户预算为不合理的过低预算，并停止云服务预算优化调度过程。

5.根据权利要求1所述的一种云服务预算优化调度方法，其特征在于，所述步骤五中，适应度函数为：

其中n为云服务数，m为虚拟机数，x_ij为调度方案，CS(T_i,vm_j)为用户所提交的云服务处理成本，计算式为：

其中为云服务T_i的计费周期，PT(T_i,vm_j)为云服务T_i在虚拟机vm_j上的处理时间，即其中w(T_i)表示云服务T_i的计算单位，w(vm_j)为虚拟机vm_j的计算能力，c(vm_j)为虚拟机的计费方式即价格/每分钟。

6.根据权利要求1所述一种云服务预算优化调度方法，其特征在于，所述步骤五中，核算当前调度方案是否具有最优成本，是将当前迭代得到的调度方案代入到适应度函数中进行计算，并将得到的结果来与之前所有迭代得到的调度方案代入到适应度函数中的计算结果比较，若为最小，则认为当前调度方案具有最优成本。