[发明专利]基于遗传算法的动态云工作流调度方法

摘要

本发明公开了一种运用遗传算法优化动态云工作流的方法，算法的目标是最小化迭代执行的云工作流的每周期平均费用，并使得工作流每次在动态环境中执行一个周期的总执行时间不超过用户定义的最大执行期限。由于工作流在云计算的实现环境下执行方式是动态多变的，本发明提出的方法对工作流所有可能出现的流拓扑结果进行整体建模，从而综合考虑了云工作流的动态时变的特性，并采用遗传算法使得云工作流在动态环境中执行的平均性能得到优化，从而提高了云工作流的执行效率。

主权项

1.一种基于遗传算法的动态云工作流调度方法，其特征在于，该方法采用了一种基于历史统计信息的云工作流控制流拓扑结构描述模型，该模型的主要特征是： (1)采用一个有向无环图G＝(V，A)对云工作流进行建模，节点的集合V＝{T₁，T₂，…，T_n}对应工作流中的任务，有向边的集合A表示任务之间的优先次序关系； (2)根据该工作流在执行过程中可能出现的各种控制流，可以将该图G分解为一系列的子图{Φ₁，Φ₂，...，Φ_Γ}，其中Γ表示所有拓扑的总数，其中每一个子图也是一个有向无环图，对应该动态工作流可能出现的一种控制流拓扑结构； (3)每种控制流拓扑结构Φ_j都对应着一个概率p_j，表示动态工作流采取该种控制流拓扑结构执行的概率，这个概率是根据工作流在此前的500次历史执行记录信息中采取该控制流拓扑结构的比例而统计得出的，有(4)在模型中，工作流调度解是可行的，当且仅当调度解对所有工作流可能出现的控制流拓扑结构{Φ₁，Φ₂，...，Φ_Γ}，其执行时间都能够满足用户自定义的执行时间限制Deadline； (5)该模型的优化目标是找到一组云工作流调度方式K，使得云工作流在动态环境下执行的费用耗费的期望值 最小化，其中K.C(Φ_j)是指调度K在控制流拓扑结构Φ_j下所需的费用。