[發明專利]一種面向復雜仿真工作流應用的利潤敏感的任務調度方法有效
| 申請號: | 201711040707.5 | 申請日: | 2017-10-31 |
| 公開(公告)號: | CN108052378B | 公開(公告)日: | 2021-08-31 |
| 發明(設計)人: | 苑海濤 | 申請(專利權)人: | 北京交通大學 |
| 主分類號: | G06F9/48 | 分類號: | G06F9/48 |
| 代理公司: | 北京正理專利代理有限公司 11257 | 代理人: | 付生輝 |
| 地址: | 100044*** | 國省代碼: | 北京;11 |
| 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 面向 復雜 仿真 工作流 應用 利潤 敏感 任務 調度 方法 | ||
1.一種面向復雜仿真工作流應用的利潤敏感的任務調度方法,其特征在于,該方法包括如下步驟:
S1、針對復雜仿真工作流應用,建立包括多個棧式稀疏自編碼層和一個支持向量回歸分析層的深度網絡模型,來預測得到每個仿真工作流應用的子任務在特定虛擬機中的預計執行時間;
S2、根據仿真工作流應用的特點,建立適用于通用時限且包含兩個截止時間的效應函數,將每個仿真工作流應用的預計完成時間轉化為該應用為仿真云提供商帶來的收益;
S3、建立仿真云環境下最大化仿真云提供商利潤的任務調度優化模型;
S4、建立虛擬機選取算法,從而將每個可執行的子任務調度到一個特定的虛擬機上得到執行。
2.根據權利要求1所述的面向復雜仿真工作流應用的利潤敏感的任務調度方法,其特征在于,采用包括多個棧式稀疏自編碼層和一個支持向量回歸分析層的深度網絡模型,來預測得到每個仿真工作流應用的子任務在特定虛擬機中的預計執行時間具體為:基于收集到的每個虛擬機上歷史仿真子任務的實際執行時間樣本數據,在每個棧式稀疏自編碼層進行逐層的無監督學習,并在最后的支持向量回歸分析層進行有監督的學習從而得到訓練好的整個深度神經網絡;然后根據該訓練得到的網絡預測每個仿真工作流應用的子任務在特定虛擬機中的預計執行時間。
3.根據權利要求2所述的面向復雜仿真工作流應用的利潤敏感的任務調度方法,其特征在于,所述效應函數適用于通用時限且包含兩個截止時間,能夠將每個仿真工作流應用的預計完成時間轉化為該應用為仿真云提供商帶來的收益,具體為:
其中,表示仿真工作流應用i的預計完成時間;表示應用i為仿真云提供商帶來的收益;和表示所述效應函數針對每個仿真工作流應用i而設計的兩個截止時間,并且表示當仿真工作流應用i的預計完成時間小于時為仿真云提供商所帶來最大的收益;Si(0≤Si<∞)表示仿真工作流應用i為仿真云提供商所帶來的收益隨著增大而減小的變化率;當仿真云提供商需要向仿真工作流應用的用戶支付對應的懲罰費用即
4.根據權利要求3所述的面向復雜仿真工作流應用的利潤敏感的任務調度方法,其特征在于,所述任務調度優化模型的優化目標為最大化私有云提供商的利潤Profit,所述利潤敏感的任務調度模型的優化目標為最大化所有到達的仿真工作流應用為仿真云提供商帶來的利潤Profit,即:
max{Profit=x-ψ}
其中,χ表示執行所有到達的仿真工作流應用為仿真云提供商帶來的收益;ψ表示執行仿真工作流應用所需的虛擬機執行成本;I表示仿真工作流應用的個數;Qi表示仿真工作流應用i的所有子任務的集合;表示仿真工作流應用i的第j個子任務qij所在的虛擬機v(qij)的單位時間執行成本;表示仿真工作流應用i的子任務j在虛擬機v(qij)中的執行時間。
5.根據權利要求4所述的面向復雜仿真工作流應用的利潤敏感的任務調度方法,其特征在于,所述利潤敏感的任務調度模型的約束包括:仿真工作流應用i的預計完成時間不能超過仿真工作流應用i的延遲時間要求:
其中,表示仿真工作流應用i的子任務qij在虛擬機v(qim)中的預計完成時間;di表示仿真工作流應用i的延遲時間要求。
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北京交通大學,未經北京交通大學許可,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/201711040707.5/1.html,轉載請聲明來源鉆瓜專利網。
- 上一篇:一種共享租賃平臺
- 下一篇:精密空調開機密碼配置方法、配置系統和精密空調





