[發(fā)明專利]基于動態(tài)目標(biāo)策略的云計算資源調(diào)度優(yōu)化方法及應(yīng)用

在審

• 申請?zhí)枺?/td>: 202011095662.3
• 申請日: 2020-10-14
• 公開（公告）號: CN112379996A
• 公開（公告）日: 2021-02-19
• 發(fā)明（設(shè)計）人: 詹志輝;王子佳;陳宗淦;張軍
• 申請（專利權(quán)）人: 華南理工大學(xué)
• 主分類號: G06F9/50
• 分類號: G06F9/50;G06F30/20;G06N3/12;G06F111/04
• 代理公司: 廣州市華學(xué)知識產(chǎn)權(quán)代理有限公司 44245
• 代理人: 李斌

本發(fā)明公開了一種基于動態(tài)目標(biāo)策略的云計算資源調(diào)度優(yōu)化方法及應(yīng)用，該方法包括下述步驟：初始化種群；采用任務(wù)流執(zhí)行成本的倒數(shù)評價適應(yīng)值；構(gòu)建動態(tài)目標(biāo)策略，即在以基于截止時間約束最小化成本作為優(yōu)化目標(biāo)的情況下沒有得到可行的調(diào)度方案，用任務(wù)完成時間作為優(yōu)化目標(biāo)直到找到可行的調(diào)度方案再重新將基于截止時間約束最小化成本作為優(yōu)化目標(biāo)；通過輪盤賭選擇進(jìn)入下一代的染色體個體；進(jìn)行染色體的交叉和變異；構(gòu)建最優(yōu)個體保留策略；當(dāng)找到一個可行解后，執(zhí)行到指定代數(shù)后無法找到可行解的時，輸出產(chǎn)生的最優(yōu)染色體的解。本發(fā)明在相同截止時間約束下能得到成本更小的調(diào)度方案和在較小截止時間約束下仍能得到可行的調(diào)度方案，適用性更強。

技術(shù)領(lǐng)域

本發(fā)明涉及云計算資源調(diào)度技術(shù)領(lǐng)域，具體涉及基于動態(tài)目標(biāo)策略的云計算資源調(diào)度優(yōu)化方法及應(yīng)用。

背景技術(shù)

美國國家標(biāo)準(zhǔn)與技術(shù)研究院(NIST)對云計算的定義是：云計算是一種按使用量付費的模式，這種模式提供可用的、便捷的、按需的網(wǎng)絡(luò)訪問，進(jìn)入可配置的計算資源共享池(資源包括網(wǎng)絡(luò)、服務(wù)器、存儲、應(yīng)用軟件和服務(wù))，這些資源能夠被快速提供，只需投入很少的管理工作，或與服務(wù)供應(yīng)商進(jìn)行很少的交互。

在“大數(shù)據(jù)時代”來臨之際，云計算所要面臨的問題一般都具有相當(dāng)大規(guī)模的數(shù)據(jù)量，所以資源的調(diào)度至關(guān)重要，它關(guān)系著云計算的成本和效率。已被證明云計算資源調(diào)度是一個有很多限制的NP難問題，幾乎不可能在多項式時間內(nèi)得到最優(yōu)解，只能找出一個接近最優(yōu)的解。隨著智能計算方法的發(fā)展，研究和探索利用智能計算方法求解云計算資源調(diào)度問題上已經(jīng)引起了廣泛的關(guān)注。雖然云資源調(diào)度問題已經(jīng)被廣泛研究，但是還是無法很好的滿足用戶的服務(wù)質(zhì)量(Quality of Service,QoS)，而且沒有很好的考慮到云計算資源的特點—彈性(elasticity)和非均質(zhì)性(heterogeneity)。另一方面，很多研究者把目光都集中在最小化任務(wù)的運行時間這個一般衡量效果的標(biāo)準(zhǔn)上，卻很少考慮到任務(wù)執(zhí)行的成本。而在任何的商業(yè)行為中，成本絕對是不可忽視的因素之一。追求最快的完成任務(wù)往往需要較大的投入，而導(dǎo)致整體效益降低。需要平衡成本和時間的關(guān)系，達(dá)到經(jīng)濟(jì)效益的最大化。

Rodriguez和Buyya在2014年的IEEE TRANSACTIONS ON CLOUD COMPUTING提出了一種基于截止時間最小化運行成本的模型，并提出用粒子群算法(Particle SwarmOptimization,PSO)來解決這個問題。但在粒子群算法中粒子中某一維向最佳的粒子學(xué)習(xí)的過程中，資源編號的傾向?qū)W習(xí)不一定能很好的導(dǎo)向更好的結(jié)果，并且會導(dǎo)致收斂快但很容易早熟收斂。

發(fā)明內(nèi)容

為了克服現(xiàn)有技術(shù)存在的缺陷與不足，本發(fā)明提供一種基于動態(tài)目標(biāo)策略的云計算資源調(diào)度優(yōu)化方法，在相同截止時間約束下可以得到成本更低的調(diào)度方案，在較小截止時間的約束下仍然可以得到可行的調(diào)度方案。

本發(fā)明的第二目的在提供一種基于動態(tài)目標(biāo)策略的云計算資源調(diào)度優(yōu)化系統(tǒng)。

本發(fā)明的第三目的在于提供一種存儲介質(zhì)。

本發(fā)明的第四目的在于提供一種計算設(shè)備。

為了達(dá)到上述目的，本發(fā)明采用以下技術(shù)方案：

一種基于動態(tài)目標(biāo)策略的云計算資源調(diào)度優(yōu)化方法，包括下述步驟：

初始化種群：對種群中的每一個染色體，隨機生成一個資源調(diào)度序列；

適應(yīng)值評估：采用任務(wù)流執(zhí)行成本的倒數(shù)評價適應(yīng)值；

動態(tài)目標(biāo)策略：若第一代初始化時沒有滿足最終截止時間需求的可行解，則將任務(wù)流執(zhí)行時間作為優(yōu)化目標(biāo)，將任務(wù)流執(zhí)行時間倒數(shù)評價染色體的適應(yīng)值，每次迭代選擇TET更小而適應(yīng)值更高的染色體，直至種群中出現(xiàn)染色體得出的解滿足最終截止時間需求，再重新采用任務(wù)流執(zhí)行成本的倒數(shù)評價適應(yīng)值；

選擇算子：根據(jù)染色體的適應(yīng)值，通過輪盤賭選擇進(jìn)入下一代的染色體個體；