[发明专利]一种云计算任务调度方法

权利要求书

1.一种云计算任务调度方法，其特征在于，包括以下步骤：

步骤一，建立任务的总执行时间、任务的总执行成本和负载不平衡度并构建数学模型；

步骤二，初始化被囊群搜索机制和粒子群演化机制的量子位置并设定参数；

步骤三，计算每只被囊的适应度值，将全部被囊进行排序，并计算每个粒子的适应度值，找出粒子的全局最优量子位置；

步骤四，根据被囊群搜索机制产生量子旋转角，使用模拟的简化量子旋转门更新被囊的量子位置；

步骤五，应用贪心策略，根据适应度值将全部被囊进行排序，确定新一代被囊群的量子位置；

步骤六，根据粒子群演化机制产生量子旋转角，使用模拟的简化量子旋转门更新粒子的量子位置；

步骤七，计算每个粒子与新粒子的适应度值，确定新一代粒子的量子位置、局部最优量子位置和全局最优量子位置；

步骤八，判断是否达到g+1＝5k₁，k₁＝1,2,…,若未达到，则直接执行步骤九，若达到，则对粒子群和被囊群进行信息交互，然后将被囊群中的被囊根据适应度值重新进行排序，并重新确定粒子群的全局最优位置；

步骤九，判断当前迭代次数是否达到最大迭代次数G，若未达到，令g＝g+1，返回步骤四；若达到，则终止迭代循环，根据最后一代中所有种群中的最优量子位置的映射位置所对应的任务与虚拟机的分配矩阵得到最终的任务调度策略。

2.根据权利要求1所述的一种云计算任务调度方法，其特征在于：步骤一所述建立任务的总执行时间、任务的总执行成本和负载不平衡度并构建数学模型具体为：

定义任务与虚拟机的分配矩阵为其中，U为任务的数量，V为虚拟机的数量，每个任务只能被分配到一个虚拟机上执行，若任务u被分配到虚拟机v上执行，则Z_vu＝1；若任务u没有被分配到虚拟机v上执行，则Z_vu＝0，u＝1,2,…,U，v＝1,2,…,V；

(1)设任务的指令长度矢量为L＝[L₁,L₂,…,L_U]，虚拟机的执行速度矢量为K＝[K₁,K₂,…,K_V]，任务在虚拟机上的执行时间矩阵为其中任务u在虚拟机v上的执行时间表示为虚拟机的执行时间矢量为D＝[D₁,D₂,…,D_V]，其中虚拟机v的执行时间可表示为任务的总执行时间为所有虚拟机执行所分配的任务后得到的执行时间的最大值，任务的总执行时间为Z_vu∈Z，u＝1,2,…,U，v＝1,2,…,V，其中max代表最大值函数，满足约束λ为截止时间，表示为λ＝D_L+r₁(D_H-D_L)，D_L为将在执行时间最大的虚拟机上执行的任务都指派到运行速度最快的虚拟机上执行从而得到的时间，D_H为将在执行时间最大的虚拟机上执行的任务都指派到运行速度最慢的虚拟机上执行从而得到的时间，r₁为[0,1]之间的均匀随机数；

(2)任务在虚拟机上的执行成本矩阵为虚拟机的单位执行成本矩阵为W＝[W₁,W₂,…,W_V]，其中，任务u在虚拟机v上的执行成本表示为C_vu＝E_vu·W_v，u＝1,2,…,U，v＝1,2,…,V，所有任务分配给虚拟机执行时，花费的总成本为满足约束B(Z)≤β，预算β表示为：β＝B_min+r₂(B_max-B_min)，其中B_max是将所有任务分配到成本最高的虚拟机上执行而获得的最高成本，B_min是将所有任务分配到成本最低的虚拟机上执行而获得的最低成本，r₂为[0,1]之间的均匀随机数；

(3)负载不平衡度为其中，D_max为所有虚拟机的执行时间中的最大值，D_min为所有虚拟机的执行时间中的最小值，为所有虚拟机执行时间的平均值，min代表最小值函数；

(4)将任务的总执行时间任务的总执行成本B(Z)和负载不平衡度f₃(Z)进行归一化，任务的总执行时间归一化后为任务的总执行成本归一化后为负载不平衡度归一化后为然后采用线性加权法设计了目标函数即为其中，α₁、α₂和α₃为惯性权重，α₁+α₂+α₃＝1。