[發明專利]一種基于多目標優化的云工作流調度方法及裝置有效
| 申請號： | 201710607203.0 | 申請日： | 2017-07-24 |
| 公開（公告）號： | CN109298930B | 公開（公告）日： | 2022-12-13 |
| 發明（設計）人： | 馬玉新;于聚省;郭浩東;戚玉濤;鮑亮 | 申請（專利權）人： | 西安電子科技大學昆山創新研究院;馬玉新;戚玉濤;鮑亮;于聚省;郭浩東 |
| 主分類號： | G06F9/50 | 分類號： | G06F9/50;G06N3/00;G06Q10/04 |
| 代理公司： | 北京匯思誠業知識產權代理有限公司 11444 | 代理人： | 王剛;龔敏 |
| 地址： | 215300 江蘇省蘇州市昆*** | 國省代碼： | 江蘇;32 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 多目標 優化 工作流 調度 方法 裝置 | ||
1.一種基于多目標優化的云工作流調度方法，其特征在于，所述方法包括：
根據參數配置數據，建立仿真的云計算資源模型，并根據工作流拓撲數據，建立云工作流任務模型；
隨機初始化包含N個個體的種群，其中，每個個體指的是云工作流任務模型中若干個工作流子任務到云計算資源模型中若干個虛擬機的一種映射方式；
根據若干個目標，獲取每個個體的若干個目標函數；
根據若干個目標函數，初始化理想點，所述理想點為各個所述目標函數的最優值組成的向量；
將多目標優化問題分解成N個子問題，根據理想點計算每個子問題，以獲取每個個體的適應值；
根據每個個體適應值的權值，獲取每個子問題的鄰居子問題，并計算每個個體的目標函數值，以初始化外部種群；
對每個個體進行進化處理；
根據所述進化處理，更新每個個體、理想點、每個子問題的鄰居子問題的個體以及外部種群；
獲取更新后的每個個體及每個子問題鄰居中的兩個最優個體；
當更新后的個體與鄰居中的兩個最優個體滿足指定條件時，通過更新后的個體及鄰居中的兩個最優個體計算得到新個體；
當得到的新個體優于更新后的個體時，再次更新每個個體；
輸出最優個體。
2.根據權利要求1所述的方法，其特征在于，在所述輸出最優個體之前，所述方法還包括：
當再次更新后的個體滿足收斂條件時，進行權向量調整操作。
3.根據權利要求2所述的方法，其特征在于，所述進行權向量調整操作，包括：
刪除擁擠區域的子問題，并，向稀疏區域增加新的子問題。
4.根據權利要求1所述的方法，其特征在于，所述當更新后的個體與鄰居中的兩個最優個體滿足指定條件時，通過更新后的個體及鄰居中的兩個最優個體計算得到新個體，使用公式(1)作為指定條件，通過公式(2)計算第j個子問題鄰居中的兩個最優個體：
其中，x為個體，為通過更新后的個體及第j個子問題鄰居中的兩個最優個體計算得到的新個體；為更新后的個體；和為第j個子問題鄰居中的兩個最優個體；k＝1,2,…n，為個體個數；為個體的適應值，te表示切比雪夫分解方法；ε＝10-7。
5.一種基于多目標優化的云工作流調度方法，其特征在于，所述方法包括：
根據參數配置數據，建立仿真的云計算資源模型，并根據工作流拓撲數據，建立云工作流任務模型；
隨機初始化包含N個個體的種群，其中，每個個體指的是云工作流任務模型中若干個工作流子任務到云計算資源模型中若干個虛擬機的一種映射方式；
根據若干個目標，獲取每個個體的若干個目標函數；
根據若干個目標函數，初始化理想點，所述理想點為各個所述目標函數的最優值組成的向量；
將多目標優化問題分解成N個子問題，根據理想點計算每個子問題，以獲取每個個體的適應值；
根據每個個體適應值的權值，獲取每個子問題的鄰居子問題，并計算每個個體的目標函數值，以初始化外部種群；
對每個個體進行進化處理；
根據所述進化處理，更新每個個體、理想點、每個子問題的鄰居子問題的個體以及外部種群；
當更新后的個體滿足收斂條件時，對進化后種群進行權向量調整操作；
輸出最優個體。
6.根據權利要求5所述的方法，其特征在于，所述對進化后種群進行權向量調整操作，包括：
刪除擁擠區域的子問題，并，向稀疏區域增加新的子問題。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于西安電子科技大學昆山創新研究院;馬玉新;戚玉濤;鮑亮;于聚省;郭浩東，未經西安電子科技大學昆山創新研究院;馬玉新;戚玉濤;鮑亮;于聚省;郭浩東許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201710607203.0/1.html，轉載請聲明來源鉆瓜專利網。
