[發明專利]一種基于遺傳算法優化的封裝類分布式作業任務調度方法及系統有效
| 申請號: | 201911058747.1 | 申請日: | 2019-11-01 |
| 公開(公告)號: | CN110908782B | 公開(公告)日: | 2022-08-19 |
| 發明(設計)人: | 張銘;吳丹;余陽;彭聰 | 申請(專利權)人: | 湖北省楚天云有限公司 |
| 主分類號: | G06F9/48 | 分類號: | G06F9/48;G06F9/50;G06N3/12 |
| 代理公司: | 北京國帆知識產權代理事務所(普通合伙) 11334 | 代理人: | 劉小哲 |
| 地址: | 430076 湖北省武漢市東湖開發區花城大*** | 國省代碼: | 湖北;42 |
| 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 遺傳 算法 優化 封裝 分布式 作業 任務 調度 方法 系統 | ||
1.一種基于遺傳算法優化的封裝類分布式作業任務調度方法,將在同一節點執行的作業列為相同作業隊列,各作業隊列的集合設為作業隊列池,所述作業隊列池稱為個體,各個體的集合稱為種群,其特征在于,包括下列步驟:
初始步驟:讀取所有作業數據量以及可獨立執行的節點數量,為每個節點分配唯一的節點ID,以及為每個作業分配唯一的作業ID和執行節點;
構建當前種群的步驟:包括選擇算子,還包括采用交叉算子、變異算子之一或組合;
任務執行的步驟:啟動所有節點,執行所述當前構建的種群中的所有作業隊列池的所有作業隊列;
獲得適應度值的步驟:獲取每一作業隊列池中執行耗時最長的作業隊列,以該作業隊列的執行時長作為該個體的適應度值;
迭代步驟:各個體攜帶其適應度值返回所述構建當前種群的步驟,其中所述選擇算子依據所述適應度值完成選擇;
輸出步驟:達到最大迭代次數時,輸出適應度值最小的個體及其適應度值;
所述的選擇算子具體包括:對所述返回個體的適應度值排序,按由小到大的順序讀取返回個體數量N%的個體形成較優個體群,以及按由大到小的順序讀取返回個體數量M%的個體形成較差個體群;將所述較優個體群成倍復制,使復制后的較優個體數量達到M%,以及從所述較差個體群中隨機選取個體,使選取的較差個體數量達到N%,集合形成優選種群;所述N%+M%=100%。
2.如權利要求1所述的基于遺傳算法優化的封裝類分布式作業任務調度方法,其特征在于,所述N%=20%,所述M%=80%。
3.如權利要求1所述的基于遺傳算法優化的封裝類分布式作業任務調度方法,其特征在于,所述交叉算子具體包括:從所述優選種群中隨機挑選兩個個體,根據作業ID從被選擇的兩個個體中隨機選擇一個相同的作業,交換該作業在所述兩個個體中的節點ID,完成一次交叉操作。
4.如權利要求3所述的基于遺傳算法優化的封裝類分布式作業任務調度方法,其特征在于,設置交叉操作的次數為種群的大小,每次交叉操作時生成一個隨機數,如果隨機數小于給定的交叉概率值,則再進行一次交叉操作。
5.如權利要求1所述的基于遺傳算法優化的封裝類分布式作業任務調度方法,其特征在于,所述變異算子具體包括:從所述優選種群中隨機選擇一個作業,將該作業分配的節點ID替換為其它任意一個節點ID,完成一次變異操作。
6.如權利要求5所述的基于遺傳算法優化的封裝類分布式作業任務調度方法,其特征在于,設置變異操作的次數為種群大小,每次變異操作時生成一個隨機數,如果隨機數小于給定的變異概率值,則再進行一次變異操作。
7.如權利要求1所述的基于遺傳算法優化的封裝類分布式作業任務調度方法,其特征在于,所述任務執行的步驟中還包括:如果當前作業執行失敗,則將其加入到所屬作業隊列的尾部。
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湖北省楚天云有限公司,未經湖北省楚天云有限公司許可,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/201911058747.1/1.html,轉載請聲明來源鉆瓜專利網。





