[发明专利]一种基于概率模型的云渲染平台任务调度系统

摘要

本发明涉及一种基于概率模型的云渲染平台任务调度系统，用以对云渲染集群进行实时跟踪、监控和修正，该系统包括云渲染用户管理设备、云渲染任务管理设备和云渲染系统管理设备，所述的云渲染系统管理设备分别与云渲染用户管理设备和云渲染任务管理设备连接，所述的云渲染用户管理设备和云渲染任务管理设备连接。与现有技术相比，本发明具有任务效率高、节约成本、实时性强、具有预测性等优点。

主权项

1.一种基于概率模型的云渲染平台任务调度系统，用以对云渲染集群进行实时跟踪、监控和修正，其特征在于，该系统包括云渲染用户管理设备、云渲染任务管理设备和云渲染系统管理设备，所述的云渲染系统管理设备分别与云渲染用户管理设备和云渲染任务管理设备连接，所述的云渲染用户管理设备和云渲染任务管理设备连接；应用云渲染任务调度系统的调度方法，包括以下步骤：1)在初始时刻，云渲染平台将接收到的任务请求随机平均分配给平台内的节点，并将每个已经分配任务节点作为粒子群优化算法中的粒子，则有：其中，x_i为第i个粒子的任务分配向量，v_i为第i个粒子对应的速度向量，的取值为0和1，0表示第M个任务没有分配给第i个节点，1表示第M个任务分配给第i个节点，为第i个节点的第M个任务对应的速度；2)通过粒子群优化算法对每个粒子进行更新，获取所有粒子最优的任务分配方案，具体包括以下步骤：21)建立粒子群优化算法的更新公式为：其中，和分别为第t步和t+1步时第i个粒子的速度向量，和分别为第t步和t+1步时第i个粒子的任务分配向量，ω为惯性参数，c₁为认知参数，c₂为群体参数，ξ和η分别为在区间[0,1]内均匀分布的随机数，σ为约束因子，G_best(i)为在全局最优的情况下对应的第i个节点的任务分配向量，为第t步时第i个节点的历史最优值；22)定义粒子群优化算法的适应度函数为：TRC(i)＝TTC(i)*URC(i)，i∈[1,R]其中，F_time(i)为第i个节点的时间成本适应度函数，TTC(i)为第i个节点完成分配的所有任务的时间，为第i个节点完成第j个任务所用的时间，n为分配到第i个节点的任务总数，F_cost(i)为第i个节点的运行成本适应度函数，URC(i)为第i个节点的单位时间运行成本，R为云渲染平台的节点总数；23)根据更新公式和适应度函数进行迭代求解，根据适应度函数和粒子适应度规则获取每个粒子对应的个体最优解，并根据全局最优值适应度规则获取全局最优值，即所有粒子最优的任务分配方案。