[發明專利]一種基于改進社會學習算法的云任務調度方法

有效

• 申請號: 201710387503.2
• 申請日: 2017-05-25
• 公開（公告）號: CN107229512B
• 公開（公告）日: 2020-06-30
• 發明（設計）人: 劉志中;趙珊;張維怡;宋成;晁浩
• 申請（專利權）人: 河南理工大學
• 主分類號: G06F9/48
• 分類號: G06F9/48;G06F9/455
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于改進社會學習算法的云任務調度方法，其特征在于：

包括以下步驟：

步驟1：輸入改進社會學習方法的各項參數；

步驟2：隨機生成連續的初始群體；

步驟3：將連續型的個體轉變為離散型個體，并計算個體的適應度值；

步驟4：在微空間內，依次執行選擇操作、交叉操作和變異操作；在完成交叉操作和變異操作之后重復步驟3，計算個體新的適應度值；并執行貪婪操作，保留適應度值較優的個體；

步驟5：在學習空間內，每個個體執行觀察學習操作，之后重復步驟3，執行貪婪操作，保留適應度值較優的個體；

步驟6：在學習空間內，每個個體執行模仿學習操作，之后重復步驟3，執行貪婪操作，保留適應度值較優的個體；

步驟7：在信仰空間，進行知識更新操作和影響操作；

步驟8：判斷是否滿足方法終止條件，若否，則回轉執行所述的步驟3；若是，則迭代停止，輸出最終優化結果；

上述步驟2中，隨機生成連續初始群體根據POP_pk＝POP_min+(POP_max-POP_min)*rand確定，其中POP_pk表示種群中第p個個體的第k維變量，且p＝1,2,...,popsize，k＝1,2,...,n，popsize代表種群個體數量，n表示任務數量，rand為0～1之間的隨機數，POP_max＝5，POP_min＝0.5；

上述步驟3中，連續型個體POP_i根據SPV方法將基因按數值由小到大排序，將其排序之前對應的基因序號依次賦值給個體i得到π_i，將π_i的每一維變量通過公式R_ij＝π_ijmod m+1進行轉換得到R_ij，其中R_ij與π_ij均表示第i個個體的第j維變量，R_ij則代表任務分配的變量，m表示虛擬機的數量；求解該任務調度序列R_i的適應度值F(x)＝ω₁*TIME+ω₂*EC+ω₃*C，其中TIME是任務完成時間，EC是執行成本，C為能耗，ω₁、ω₂、ω₃分別表示這三個因素的權重值，且ω₁+ω₂+ω₃＝1，ω₁≥0，ω₂≥0，ω₃≥0。

2.如權利要求1所述的一種基于改進社會學習算法的云任務調度方法，其特征在于：上述步驟4中，微空間中，交叉操作和變異操作之后根據SPV操作計算個體適應度值，并將新個體與舊個體進行比較，執行貪婪操作。

3.如權利要求1所述基于改進社會學習算法的云任務調度方法，其特征在于，在上述步驟5中，設POP_r＝(pop_r1,…,pop_rk',…,pop_rd)為群體中的任一個體，為當前最優解，且k'∈[0,d],為通過觀察學習后得到的新個體，觀察學習操作采用進行，其中，為通過觀察學習后新個體第k'維變量；ω為學習慣性權重，ω∈(0,1)；sin(α)為學習擾動因子，α∈[2,π]；表示個體在學習中的自我保留部分；表示個體向最優個體學習后獲取的部分；執行SPV操作，求解出觀察學習前后兩個個體的適應度值，比較并保留適應度值較高的一個；觀察學習產生的新個體，若第k維變量的值超過其取值范圍，則根據修正該維變量的值。