[發明專利]基于土狼優化算法的企業級PaaS系統資源調度方法

在審

• 申請號: 202010143206.5
• 申請日: 2020-03-04
• 公開（公告）號: CN113364819A
• 公開（公告）日: 2021-09-07
• 發明（設計）人: 高靜;羅家輝
• 申請（專利權）人: 廣東恒電信息科技股份有限公司
• 主分類號: H04L29/08
• 分類號: H04L29/08;G06N3/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明涉及資源調度技術領域，具體涉及基于土狼優化算法的企業級PaaS系統資源調度方法，采用如下五個步驟：步驟一：問題編碼與初始化；步驟二：土狼成長；步驟三：土狼進化；步驟四：不同土狼群之間的交流；步驟五：選擇最佳土狼；它提出將群智能優化算法的土狼算法用于解決企業級PaaS系統的資源調度問題，從而為解決企業級PaaS系統資源調度問題提供了新的解決方法；它在土狼算法中融合小生境技術，改進了土狼算法的進化機制，從而提高土狼算法在尋找企業級PaaS系統資源調度全局最優解的能力；并且改進土狼算法中計算土狼群文化趨勢的方法，從而提高土狼算法在尋找企業級PaaS系統資源調度的收斂精度。

【技術領域】

本發明涉及資源調度技術領域，具體涉及一種基于小生境技術的土狼優化算法的企業級PaaS系統資源調度方法。

【背景技術】

企業級PaaS系統資源調度問題屬于資源調度范疇，云計算下的資源調度一直以來都是研究的重點，云計算系統效率的高低很大程度上取決于系統能否有效、合理地分配資源關系到云計算下。

傳統的資源調度算法包括:先來先服務(FCFS:First Come First Service)調度算法、輪轉(Round Robin)調度算法、Min-min(最小-最小)調度算法、Max-min(最大-最小)算法等，這些算法在求解的過程中簡單易行，但是存在一個普遍的缺點，即算法的負載在一般情況下都是不均衡的。對于企業級PaaS系統而言，實現負載均衡是基本要求之一。近年來，隨著群體智能算法的不斷發展，將群體智能算法運用在資源調度中已經成為了當前研究的熱點。群體智能算法包括Holland教授提出的遺傳算法、Kirkpatrick等人提出的模擬退火算法、Eberhart Russell和James Kennedy提出的粒子群算法、Dorigo Marco等人提出的蟻群算法等等。

目前，評價資源調度是否合理，常用的指標有：任務完成的時間、花費的成本、負載的均衡、資源的消耗等。陳超等人在簡單遺傳算法的基礎上提出變異算子的兩種操作方法，加快算法收斂速度，并且實現了負載均衡的任務調度目標。王艷平和高仲合利用蟻群算法，在任務與資源之間加入一個查找表并在信息素更新時引入成功率因子，縮短了任務的執行時間。程春玲[10]提出基于改進遺傳算法的最小能耗調度算法，實現了降低系統總能耗同時縮短任務完成時間。趙宏偉等人提出基于群體感應交流機制的細菌覓食優化算法和在群體協作過程中引入細菌趨化動作的優化算法，縮短了任務的執行時間并且提高了系統負載均衡。

上述算法中，均在資源調度問題上的某些方面上取得良好的效果，表現出較好的自適應性，但也存在著各自的不足。例如在遺傳算法中，它的計算量大，并且沒有充分利用反饋機制，因此它的求解過程慢，完成資源調度所花費的時間較長；在粒子群算法中，它容易陷入局部最優，從而導致收斂精度較低，同時它的參數設置需要先前經驗，參數設置得不合適，可能導致錯過最優解；在蟻群算法中，它的計算量大，求解速度較慢，同樣它的參數設置需要不斷調試，不恰當的設置會導致求解效果差，從而無法實現較好的資源調度效果。

【發明內容】

本發明的目的在于針對現有技術的缺陷和不足，提供基于土狼優化算法的企業級PaaS系統資源調度方法。

本發明所述的基于土狼優化算法的企業級PaaS系統資源調度方法，采用如下步驟：

步驟一：問題編碼與初始化階段，采用如下步驟：

(3)根據企業級PaaS系統資源調度問題，建立數學優化函數；選擇CPU利用、內存利用、磁盤輸入輸出利用，作為PaaS系統調度問題的指標，建立優化目標函數；以企業級PaaS系統中應用P的實例數為n，形成CPU利用率函數C、內存利用率函數M和磁盤利用率函數D；

(4)根據企業級PaaS系統資源調度問題，初始化土狼，采用如下步驟：

A.在土狼算法中，隨機將土狼分成Np個土狼群，并且每個土狼群中包含Nc只土狼；