[发明专利]一种基于改进的麻雀搜索的异构多核处理器任务调度方法

说明书

本发明提出了一种基于改进的麻雀搜索的异构多核处理器任务调度方法。该方法以出口节点任务调度时间最短作为目标，首先使用二元组整数编码方式实现麻雀个体搜索空间到离散空间的映射，使ISSATS算法可以用来解决异构环境下任务调度问题。然后引入Tent映射和t分布对麻雀搜索算法进行改进，两种改进策略结合使麻雀搜索算法的搜索能力更强，解的质量更优。本发明的调度性能优异，能精确快速的获得最优调度序列，使得调度时间完成时间更短，能有效解决异构多核处理器任务调度算法存在调度性能差、调度效率不太好等问题。

技术领域

本发明涉及操作系统领域，是一种利用群智能算法应用在异构多核处理器的任务调度领域上，具体为一种基于改进麻雀搜索的异构多核处理器任务调度方法。

背景技术

近年来，异构多核处理器的发展非常迅猛，它有提升系统性能、有效降低系统能耗、敏捷配置系统资源、增强应用程序的并行性等优势，在多核处理器领域是比较前言的一个研究方向。其组成主要是不同计算性能的处理器，其关键问题是如何分配好每个处理器之间的任务。不同于同构多处理器，异构多核处理器的任务调度问题更加复杂，采用同构的调度算法是行不通的，异构的调度算法需要同时满足两个条件：总的任务完成时间最短和任务优先级之间的约束，所以关于异构多核处理器的任务调度算法是当前研究的热点问题。

关于异构多核处理器的任务调度问题，国内外学者都对此进行大量的研究。本发明基于静态任务调度算法的，静态任务调度主要分为两个部分：任务分配、任务调度。静态调度算法可以进一步分为表调度、聚簇、任务复制等。如NDCP(Node Duplication inCritical Path)调度算法,该算法主要是通过任务复制技术和关键路径合并技术来实现优先级的排序。基于复制的调度算法为了优化任务调度，通过确定前驱顺序进行复制和利用冗余策略进行优化，有效减少任务的调度时间。由于任务调度问题属于NP完全问题，现有的调度算法调度效率都不太好，所以，现在的很多学者都将群智能算法应用到异构环境下的调度领域中，结果证明这些智能算法的调度效率要比一般的调度算法效果要好很多。有基于遗传算法的处理器任务调度，通过将GA用于确定次优方案优先级，与表调度算法比较，该算法性能更好。有将粒子群算法应用在异构多处理器任务调度中，该算法结合了禁忌算法与遗传算法和最经典的min-min算法对比，结果表明粒子群算法性能更好。

由此可见，群智能算法在异构多核处理器的任务调度领域的作用非常大，本发明提出基于改进的麻雀搜索的异构多核处理器任务调度算法，其中麻雀搜索算法是在2020年提出的一种新颖的群智能算法，和其他智能算法相比，该算法在鲁棒性、收敛速度、寻优能力等方面都要更优异。本发明方法为了防止出现局部收敛的情况，引入Tent混沌映射和t分布，总体提升了系统的执行性能，有效缩短调度完成时间。结果表明，本发明方法在异构多核处理器任务调度领域的性能更好。

发明内容

为了提高异构环境下任务调度的性能和调度效率，本发明提出一种基于异构环境下的改进的麻雀搜索任务调度方法。通过融合t分布和Tent混沌算子得到改进的麻雀搜索算法，然后通过设计有效的编码方式，使其适用于解决离散的任务调度问题。

为了验证方法的可行性，本发明的技术方案为：

步骤1：进行二元组整数编码，将算法位置信息映射在离散求解空间；

步骤2：初始化麻雀算法的参数：麻雀数量、发现者与跟随者的数量比例、预警值R等参数；

步骤3：引用tent混沌映射函数产生具有随机性、多样性、其均匀分布的麻雀初始位置(混沌序列)；

步骤4：计算每只麻雀的适应度值，确定最优适应度值和最差适应度值的麻雀位置并按照适应度值的优劣进行排序；

步骤5：依次更新发现者、跟随者、警戒者位置；