[發明專利]電力云數據中心多目標任務調度方法

在審

• 申請號: 202110264074.6
• 申請日: 2021-03-10
• 公開（公告）號: CN112949195A
• 公開（公告）日: 2021-06-11
• 發明（設計）人: 潘建宏;張凱;樊家樹;董愛迪
• 申請（專利權）人: 國網吉林省電力有限公司信息通信公司
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N3/12;G06F9/455;G06F9/48;G06Q50/06;G06F111/04;G06F111/10
• 代理公司: 吉林長春新紀元專利代理有限責任公司 22100
• 代理人: 白冬冬

1.一種電力云數據中心多目標任務調度方法，其特征在于：其步驟是：

S1、建立模型，選取待優化變量、優化目標及確定約束條件

(a)選取待優化變量，待優化變量為電力云數據中心任務調度的變量；

(b)選取優化目標，選用提高效率和減少能耗作為優化目標，協調各優化目標之間關系，優化目標函數表達式為：

式(1)中，T和E分別代表總執行時間和虛擬機執行該任務時的總任務耗能兩個優化目標；V為虛擬機個數；VM(v,t)為虛擬機v執行任務t所需要的時間；N為分配到該虛擬機上任務的個數；power_a(v)為虛擬機v執行任務時的功率；power_d(v)為虛擬機v空閑狀態下的功率；

S2、設置初始變量并給定待優化變量范圍

(c)待優化變量的上、下限，對于離散變量還需指定步長；

(d)種群規模pop、迭代次數gen、目標函數數目M、優化變量個數P、選擇操作進制tour、交叉和變異操作過程中分配數mu和mum；

S3、將待優化變量作為優化過程中種群個體，采用混合編碼的方式，根據待優化變量范圍隨機生成初始種群，在范圍內隨機產生個體并形成初始種群

S4、根據種群中各個體所包含的待優化變量值更新電力云數據中心任務調度中對應數據，求取種群中各個體對應的優化目標函數值；

S5、對種群個體進行快速非支配排序，并計算虛擬適應度，經選擇、交叉和變異處理，生成子種群的具體實現方式為：

(g)快速非支配排序，是經過對相關目標函數的計算得到電力云數據中心多目標任務調度的非劣集解，根據非劣結果對個體進行分層處理，向Pareto最優解的方向逼近使種群進化的一種排序方法；在進化過程中，為保持種群的多樣性，設計個體擁擠距離，并在選擇過程中優先選擇擁擠距離較大的個體；

(h)虛擬適應度在計算時，首先對種群和優化目標函數值形成的染色體進行解碼，然后按電力云數據中心多目標任務調度的數學模型計算每個個體相應的優化目標函數值，再根據優化目標函數值進行非劣分層，計算每層個體的虛擬適應度；

(i)子代種群D_i的獲取需要通過對父代種群中的個體進行選擇、交叉和變異處理，這一過程中，選擇操作采用輪賽制選擇父代算子，交叉操作采用模擬二進制交叉算子，變異操作采用正態變異算子；

S6、描述的是NSGA-II算法的精英進化策略，即將父代中的優良個體直接保留到子代的策略，防止在進化過程中父代優良個體被丟棄；

S7、優化終止條件取為迭代過程是否達到預先設定的最大代數；

S8、輸出的計算結果包括：

(y)待優化變量值對應的數值及優化目標函數值；

(z)優化目標函數值的最優解集曲線圖。