[发明专利]一种基于分解策略的制造企业数据空间系统任务调度方法

说明书

本发明公开了一种基于分解策略的制造企业数据空间系统任务调度方法，涉及制造企业数据空间技术领域；从多目标视角出发，能够在最小化任务处理时间的同时实现系统计算资源的优化分配，以最小化任务完工时间和均衡系统负荷为目标，在保障用户满意度的基础上维护了系统的稳定性；通过将多目标调度任务通过分解策略分解为若干个多目标子问题，通过子种群个体间信息进行交流，采用合作方式同时进行求解，从而提高了算法的求解效率；采用双层染色体编码方式，保证生成的解均为可行解，有效避免了单目标算法中需要依赖人工经验为不同目标设置权重的短板，提升数据空间系统的性能并保障系统的稳定运行。

技术领域

本发明涉及制造企业数据空间技术领域，尤其涉及一种基于分解策略的制造企业数据空 间系统任务调度方法。

背景技术

随着计算机技术、工业互联网和物联网络技术的快速发展，进一步推动了制造企业数据 空间系统的建设进程；制造企业数据空间系统是建立在分布式计算、并行计算和网格计算的 基础上发展起来的一种新型系统模式，制造企业可通过数据空间系统将计算资源、服务资源 和储存资源进行有效整合，并根据用户需求进行资源的统一调配与管理；随着用户数量及服 务请求的日益增多，如何高效合理的分配和利用有限的系统资源，有效调度用户提交的海量 任务，最大程度的提升用户满意度是制造企业数据空间系统建设过程中面临的关键技术问题； 数据空间系统完成一次正常用户服务的流程可描述为：多名用户将任务提交至云端的数据空 间系统，系统通过任务调度器将不同用户任务分配至合适的计算资源(虚拟机)上执行，在这 个过程中任务调度器需要同时解决系统计算资源分配和任务排序两个问题，属于典型的NP 完全问题，即不存在多项式时间的最优化算法能够求解该问题；

当前针对制造企业数据空间，许多任务调度方法仍沿用传统的启发或超启发式算法，例 如遗传算法、Max-Min算法和Min-Min算法等，这些算法在优化求解过程中普遍存在容易陷 入局部最优且全局搜索能力弱等缺点；在目标函数设定方面，大多数任务调度方法在优化时 只关注如何缩短任务的处理时间，却忽视了应该在满足用户要求的基础上保持系统的负载均 衡，以保障系统的稳定运行；此外，多数现有方法在处理多个目标函数的情况时采用线性加 权方式将原来的多目标问题简化为单目标优化问题，再使用传统单目标优化算法进行求解， 而不是基于Pareto支配视角采用多目标优化算法对问题进行求解；由于各目标函数的权重设 置通常基于人工经验，因而难以实现目标权重的合理配置，也难以获得全局最优的资源分配 和任务排序方案，无法为制造企业数据空间系统的性能提升提供有效的算法支撑；

专利“基于改进遗传算法的云计算任务调度方法”(ZL202011086788.4)以及专利“一种基于 前期灾变策略的遗传与差分混合进化云计算任务调度算法”(ZL201911082199.6)均提出了基 于改进进化算法的云计算任务调度方法，然而这些调度方式都旨在采用单目标优化算法对云 计算任务调度过程的任务处理时间进行优化，决策者在选择调度方案时无法同时兼顾不同目 标函数对调度的影响，也难以为制造企业数据空间系统的性能提升提供有效的算法支撑。

发明内容

针对现有技术存在的问题，本发明提出了一种基于分解策略的制造企业数据空间系统任 务调度方法，从多目标视角出发，能够在最小化任务处理时间的同时实现系统计算资源的优 化分配，有效避免了单目标算法中需要依赖人工经验为不同目标设置权重的短板，提升数据 空间系统的性能并保障系统的稳定运行；

本发明采用的技术方案为：

一种基于分解策略的制造企业数据空间系统任务调度方法，包括以下步骤：

S1：根据任务需求对所需数据进行预处理；

S2：设置最大迭代次数终止准则MaxGen，设置参数的取值；

S3：随机初始化第一代初始种群Q＝(x¹,x²,...,x^N)；