[发明专利]一种基于蚁群优化算法的云环境中截止时间约束工作流调度方法

摘要

本发明公开了一种基于蚁群优化算法的云环境中截止时间约束工作流调度方法。采用带有候选列表的蚁群系统，通过多个蚂蚁分别搜索云环境中工作流调度方案，蚂蚁间通过信息素的方式进行工作流调度结果的通讯，从而指导后续蚂蚁搜索的方向和工作流调度方案的决策，与目前的工作流调度方法相比，本发明能够在满足用户截止时间QoS要求下，降低云环境中工作流调度的成本和提高云用户服务的质量。

主权项

1.一种基于蚁群优化算法的云环境中截止时间约束工作流调度方法，其特征在于，采用带有候选列表的蚁群系统，通过多个蚂蚁分别搜索云环境中工作流调度方案，蚂蚁间通过信息素的方式进行工作流调度结果的通讯，从而指导后续蚂蚁搜索的方向和工作流调度方案的决策，包括以下步骤：步骤1：将相关参数初始化；步骤2：根据用户定义的工作流截止时间，利用最迟完成时间公式计算每个任务的最迟完成时间；步骤3：对蚁群中所有蚂蚁进行初始化操作，根据工作流任务的数据依赖或优先约束关系，使用拓扑排序算法随机构造出所有任务的调度序列{t₁,t₂,…,t_n}，n为任务的数量，测试工作流的取值范围为[30,1000]；步骤4：蚁群中的所有蚂蚁利用伪随机比例选择规则按照任务调度序列顺序为每个任务选择最好的服务实例，最终生成与蚂蚁数量相同的工作流调度方案；步骤5：当蚂蚁为任务选择了一个执行的实例之后，则该实例上的信息素利用局部更新规则进行信息素的挥发操作；步骤6：当所有蚂蚁都构建完工作流调度方案之后，即为每个工作流任务选好了执行的实例后，首先根据适应值函数评价所有蚂蚁的调度性能，到目前为止适应值最大的蚂蚁即为目前最好的蚂蚁，将目前最好的蚂蚁所选择的任务服务实例映射执行信息素全局更新操作；步骤7：当达到最大迭代次数时方法终止执行，输出最好蚂蚁的工作流执行成本和工作流的完成时间，否则，继续迭代执行步骤3到步骤7的操作；所述的步骤1中，初始化的参数包括最大迭代次数max_iter_num以用于确定步骤7中何时终止执行方法，蚁群大小m以用于确定步骤3中蚁群中蚂蚁的数量，伪随机比例选择中的开采参数q₀以用于确定步骤4中伪随机比例选择规则，以及启发式信息的相对影响因子β以用于确定步骤4中最好的服务实例，信息素的挥发因子ρ和信息素的初始值τ₀以用于确定步骤5中局部更新规则，其中信息素的初始值τ₀为信息素的最小值，其中，MinCost和MaxCost分别表示工作流调度的最小执行成本和最大执行成本。