[发明专利]基于Levy飞行的人工蜂群粒子群算法的云计算任务调度方法

摘要

本发明公开了一种基于服务收益与功耗的云计算任务调度模型和基于Levy飞行的人工蜂群粒子群算法的云计算任务调度方法。针对绿色云计算的思路，提出了一种引入处理机功耗和任务调度收益的多QoS调度模型。并提出了一种基于Levy飞行的人工蜂群粒子群算法用来解决多QoS云计算任务调度的。在本发明中，在粒子群算法中引入人工蜂群局部搜索策略提高算法的局部搜索精度，并通过对全局最优值进行Levy操作来避免陷入局部最优，从而提高收敛精度。本发明所述的方法，能够有效的提高云计算任务调度收益，并能够降低用户等待时间和处理机功耗。

主权项

基于Levy飞行的人工蜂群粒子群算法的云计算任务调度方法，包括如下步骤：(1)对处理机进行编号，载入任务，设置任务矩阵、处理机性能矩阵、处理机功耗矩阵和处理机成本矩阵，任务矩阵中存储各个任务的计算量，处理机矩阵存储各个处理机的处理能力，处理机功耗矩阵存储处理机的功率，处理机成本矩阵中存储处理机单位处理成本；其中任务计算量和处理机处理能力均用MIPS(Million Instructions Per Second,每秒处理的百万级的机器语言指令)表示；(2)初始化种群：设粒子P＝{x1,x2,…,xn},其n是待调度的任务数量,x1,x2,…,xn代表分配的处理机编号，以此方式初始化粒子群中的各个粒子，每个粒子代表一种分配方案，对各个粒子代表的分配方案代入目标调度函数中计算收益，找出收益最大的粒子为全局最优值，各个粒子自身为粒子的局部最优值；(3)对每个粒子的速度和位置利用如下公式进行更新vi(t+1)＝vi(t)+c1·r1(pi(t)‑xi(t))+c2·r2·(pg(t)‑xi(t))xi(t+1)＝xi(t)+vi(t+1)其中t表示第t次迭代，同理t+1表示t的下一次迭代，c1和c2是粒子的加速度常数，取值范围是[0,2]，r1和r2是[0,1]之间的随机数，pi表示第i个粒子的局部最优位置，pg表示粒子群的全局最优位置，k和j是随机数，且k∈[1,N],j∈[1,D]，k≠i；是[‑1,1]之间的随机数；(4)对步骤(3)进行迭代，在迭代过程中，如果全局最优值位置连续10次没有更新，则采用如下公式在全局最优值附近进行搜索：xt+1=xt+α⊕Levy(β)]]>其中α是单位步长，其值与求解问题范围有关，在这里我们把α赋值为粒子维度的随机数：xt+1=xt+random(size(D))⊕Levy(β)]]>公式中表示矩阵的内积运算；(5)迭代次数达到最大迭代次数时，停止迭代，全局最优值pg就是最优任务调度方案，按照此方案将任务分配给不同的处理机进行处理。