[發明專利]一種適用于智能工廠的霧計算調度方法

在審

• 申請號: 202010692917.8
• 申請日: 2020-07-17
• 公開（公告）號: CN112035224A
• 公開（公告）日: 2020-12-04
• 發明（設計）人: 戴志明;周明拓
• 申請（專利權）人: 中國科學院上海微系統與信息技術研究所
• 主分類號: G06F9/48
• 分類號: G06F9/48;G06F9/50;G06N3/12
• 代理公司: 上海泰能知識產權代理事務所(普通合伙) 31233
• 代理人: 錢文斌;黃志達

本發明涉及一種適用于智能工廠的霧計算調度方法，包括以下步驟：根據給定的容器應用任務和霧計算節點隨機生成多個染色體，并組成一個種群，其中，染色體代表了容器應用集合與霧計算節點的對應關系；計算當前種群中每個染色體的適應度值；使用區間劃分輪盤賭選擇算子和區間劃分交叉變異算子對種群中的染色體進行選擇和更新；判斷當前種群是否滿足種群迭代條件，若滿足則完成資源分配。本發明能夠跳出局部最優解并且避免早熟現象的發生，增加全局尋優能力，得到更優解。

技術領域

本發明涉及工業物聯網霧計算技術領域，特別是涉及一種適用于智能工廠的霧計算調度方法。

背景技術

隨著新一代信息技術的發展，許多傳統工廠開始向智能工廠轉型。如何對智能工廠中海量數據進行處理，從而提高工廠的生產效率仍然是一個嚴峻的問題。與傳統工廠相比，智能工廠需要處理海量的數據，其采用的方式是利用遠端云計算，但是這種方式存在許多弊端，例如：時延比較大、帶寬的要求比較高，以及存在安全和隱私無法保證。霧計算的出現能夠緩解這些問題，它將計算、存儲、控制和網絡功能轉移到從端到云的連續介質中，從而能夠減少數據傳輸時延和所需帶寬。它允許一群相鄰的終端用戶、網絡邊緣和訪問設備協同完成需要資源的任務。因此，許多原本需要云計算完成的計算任務可以通過數據產生設備周邊的分散計算資源在網絡邊緣有效完成。

原本工廠中的任務需要專門的技術人員部署在每一臺節點上，但是面對工廠中龐大的節點，這會浪費大量的人力資源。智能工廠的霧計算資源可以通過容器技術和相關自動編排的工具實現資源虛擬化和服務自動化部署。容器是一種虛擬化的技術，與虛擬機相比，它更加輕量、并且可以快速地在不同的操作平臺上部署。目前常見的有Docker容器。相關的編排工具有Kubernetes，這是一個能夠跨越且管理多個不同計算節點上的容器的平臺工具。我們可以使用Docker將智能工廠中的應用容器化，然后使用Kubernetes對Docker容器自動化部署到合適的霧計算節點上。智能工廠中，任務和霧計算資源的管理分配是一個非線性問題，因此可以使用啟發式算法進行解決，比如遺傳算法，但是傳統遺傳算法存在只能進行單目標優化、輪盤賭算法容易陷入局部最優，并且迭代效率太慢等缺點，而Kubernetes內置的調度算法也存在時延較高、資源使用率低等缺點。

傳統的遺傳算法，按照適者生存和優勝劣汰的原理，逐代(generation)演化產生出越來越好的近似解，在每一代，根據問題域中個體的適應度(fitness)大小選擇(selection)個體，并借助于自然遺傳學的遺傳算子(genetic operators)選擇合適的個體進行組合交叉(crossover)和變異(mutation)，產生出代表新的解集的種群。但是在應用于智能工廠時，傳統的遺傳算法無法處理雙目標問題，對于一些無效的結果沒有進行合理的處理，并且存在迭代速度慢，結果局部最優等情況。

Kubernetes的缺省調度策略是調度完一個容器應用后才能調度下一個容器應用，因此這種情況帶來的是局部最優，如果直接使用Kubernetes的缺省調度器，會造成整個霧計算集群資源使用的不均衡，從而無法充分的利用資源，并且智能工廠中任務的計算時延會增加。

發明內容

本發明所要解決的技術問題是提供一種適用于智能工廠的霧計算調度方法，能夠跳出局部最優解并且避免早熟現象的發生，增加全局尋優能力，得到更優解。

本發明解決其技術問題所采用的技術方案是：提供一種適用于智能工廠的霧計算調度方法，包括以下步驟：

(1)根據給定的容器應用任務和霧計算節點隨機生成多個染色體，并組成一個種群，其中，染色體代表了容器應用集合與霧計算節點的對應關系；

(2)計算當前種群中每個染色體的適應度值；

(3)使用區間劃分輪盤賭選擇算子和區間劃分交叉變異算子對種群中的染色體進行選擇和更新；

(4)判斷當前種群是否滿足種群迭代條件，若滿足則完成資源分配，否則返回步驟(2)。