[发明专利]一种基于免疫粒子群的科学工作流多目标调度方法

摘要

本发明公开了一种基于免疫粒子群的科学工作流多目标调度方法，将免疫算法加入到了粒子群算法中，通过免疫粒子群算法模拟免疫系统的多样性生成和保持机制保证粒子的多样性，避免粒子在寻找全局最优解时陷入局部最优状态。同时将免疫粒子群算法运用到科学工作流多目标调度环境中，能够在满足用户约束时间和安全性的条件下，找到最优化的科学工作流多目标调度方案。与现存的算法相比，本发明在算法的适应度值计算公式中加入了多目标值的计算，用于筛选符合要求的粒子，保证产生的最优工作流调度结果符合预期；同时在操作中粒子群算法剔除了“交叉”和“变异”操作简化了算法，在收敛初期收敛速度快，运算简单，减少算法运行时间。

主权项

1.一种基于免疫粒子群的科学工作流多目标调度方法，其特征在于，包括以下步骤：步骤(1)：建立费用模型，以作为调度方案优劣的评判标准；步骤(2)：初始化粒子群，利用工作流节点数m、虚拟机数目n以及需要的粒子数s来随机生成两个三维矩阵P和F，分别代表粒子群和对应粒子拥有的增量，并初始化粒子群的个体最优位置P_b和全局最优位置G_b；步骤(3)：计算粒子的适应度；其中，在步骤(3)中进一步包括了以下步骤：步骤(3.1)：安全性计算：用a，b，c分别表示身份验证服务、完整性服务和机密性服务，科学工作流中w风险率P(w)计算公式如下：步骤(3.2)：时间计算：时间计算包括开始时间计算、安全服务时间计算和完成时间计算三个步骤，其中，步骤(3.2.1)：开始时间计算：计算t_i任务被分配到虚拟机开始运行的时间步骤(3.2.2)：安全服务时间计算；计算科学工作流中各个任务执行过程中安全性服务所发花费的时间；任务所花费的时间计算公式如下：其中，代表身份验证服务消耗的时间，代表完整性服务消耗的时间，代表机密性服务消耗的时间；步骤(3.2.3)：完成时间计算：根据任务分配情况信息计算完成时间EndTime，EndTime的计算公式如下：EndTime＝FT(t_end,CP)‑ST(t_start,CP)步骤(3.3)：费用计算：根据虚拟机个数、各个虚拟机上完成任务的时间计算费用，总费用表示为Cost；步骤(4)：更新粒子和极值矩阵；根据步骤(3)所计算的fit(X)的值，更新粒子局部个体极值P_b及全局极值G_b，将G_b存入记忆库中；步骤(5)：加入随机生成粒子；向生成的粒子集合中加入随机生成的M个新粒子，并根据公式计算新粒子的适应度fit(X)；步骤(6)：筛选粒子；其包括抗体浓度计算、选择概率密度计算和排列筛选，具体步骤如下：步骤(6.1)：计算抗体的浓度；根据步骤(5)的得到的适应度值fit(X)计算抗体浓度计算式如下：步骤(6.2)：计算选择概率密度；利用抗体浓度计算各抗体的选择概率密度步骤(6.3)：排列筛选；根据概率密度大小逆序排列，保留排名前s个抗体，形成到新的粒子集合；步骤(7)：将步骤(6)中得到的粒子集合中的各个粒子的适应度值与预先设定的阈值进行比较，将适应度值低于阈值的粒子用记忆库中的粒子进行替换；步骤(8)：判断是否符合结束条件；不符合则k＝k+1，返回步骤(3)继续迭代更新操作,符合或者达到迭代次数则停止更新，输出最优调度方案。