基于蚁狮优化算法的云计算任务调度方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN109062664A(43)申请公布日2018.12.21(21)申请号201810823408.7(22)申请日2018.07.25(71)申请人南京邮电大学地址210003江苏省南京市鼓楼区新模范马路66号(72)发明人左宗文刘胜美(74)专利代理机构南京苏科专利代理有限责任公司32102代理人张霞(51)Int.Cl.G06F9/455(2006.01)G06F9/50(2006.01)G06N3/00(2006.01)权利要求书3页说明书7页附图1页(54)发明名称基于蚁狮优化算法的云计算任务调度方法(57)摘要本发明提供一种基于蚁狮优化算法的云计算任务调度方法，包括以下步骤：根据用户提交的任务，确定任务参数及适应度函数的权值；初始化蚁狮算法中蚂蚁和蚁狮的位置；通过任务与虚拟机的映射关系计算出适应度，根据蚂蚁坐标使用适应度函数计算出每只蚂蚁的适应度，并更新蚁狮位置、选出精英蚁狮；建立适应度函数；使用轮盘法选择对应的蚁狮和蚂蚁的新位置；更新蚂蚁位置，再次计算蚂蚁和蚁狮的适应函数值；判断是否大于最大迭代次数，若是得到最终的任务分配方案；若否则返回。本发明能够精确调节虚拟机群在本次任务计算中的搜索解，并在迭代过程中用评价值相关的正反馈来缩减搜索范围，提高搜索精度，保证在用户体验的前提下降低服务提供商的成本。CN109062664ACN109062664A权利要求书1/3页1.一种基于蚁狮优化算法的云计算任务调度方法，其特征在于，包括以下步骤：S1、根据用户提交的任务，确定任务的参数以及适应度函数的权值α；S2、根据S1中的所述参数，初始化蚁狮算法中蚂蚁和蚁狮的位置；S3、根据S1中的所述权值α建立适应度函数，通过任务与虚拟机的映射关系计算出适应度结果；根据蚂蚁的坐标使用适应度函数计算出每只蚂蚁的适应度，若蚂蚁的适应度函数小于蚁狮的适应度函数，则更新蚁狮的位置，同时选出适应度最小的蚁狮作为精英蚁狮；S4、根据每只蚂蚁的适应度函数结果，使用轮盘法选择对应的蚁狮，蚂蚁的新位置由选择的蚁狮和唯一的精英蚁狮通过随机游走获得；S5、更新蚂蚁位置后，再次使用适应度函数计算蚂蚁和蚁狮的适应函数值；S6、判断是否大于最大迭代次数；若是，则输出精英蚁狮的位置，由任务与虚拟机的映射关系表得到最终的任务分配方案；若否，则返回步骤S4。2.根据权利要求1所述的一种基于蚁狮优化算法的云计算任务调度方法，其特征在于：步骤S1中，用户提交任务后将n个任务和m台虚拟机之间的关系被抽象成矩阵MTask和MNet，分别为：其中：MTask中Ti,j表示第i个虚拟机、第j个任务的长度，单位是百万条指令；MNet中Ni,j表示对第i台虚拟机、接收和提交第j个任务在网络上消耗的时间，单位是秒。3.根据权利要求1所述的一种基于蚁狮优化算法的云计算任务调度方法，其特征在于：所述适应度函数的权值α是QoS的权重，且α∈(0,1)。4.根据权利要求2所述的一种基于蚁狮优化算法的云计算任务调度方法，其特征在于：步骤S2中初始化参数，种群数量为k，蚂蚁的位置表示为MAnt，蚁狮的位置表示为MAntlion，即：2CN109062664A权利要求书2/3页其中：Ai,j和ALi,j初始化为Ai,j，ALi,j＝random*m，random是在[0,1)上随机均匀分布的随机值。5.根据权利要求4所述的一种基于蚁狮优化算法的云计算任务调度方法，其特征在于：步骤S3中，适应度函数表示为：fitnessk＝α(spanTime)+(1-α)cost；(5)其中，spanTime表示时间跨度，cost表示功耗消耗。6.根据权利要求5所述的一种基于蚁狮优化算法的云计算任务调度方法，其特征在于：所述时间跨度spanTime和功能消耗cost通过下述计算得到：spanTime＝Max(Timei)；(7)cost＝(Prun-Pfree)∑Timei+Pfree*spanTime*m；(8)其中，Ci表示第i台虚拟机的计算能力，单位是Mips；Prun代表虚拟机满负荷运行时的功耗，Pfree代表虚拟机待机时的功耗；蚂蚁和蚁狮的适应度函数矩阵由蚂蚁和蚁狮的坐标所决定：7.根据权利要求6所述的一种基于蚁狮优化算法的云计算任务调度方法，其特征在于：步骤S4中，根据MAntlionfitness的结果获得轮盘法所需数据Mwheel，其对应关系是：第i只蚂蚁选择蚁狮的过程表示为：selectAntlioni＝random*Mwheel[k]；(12)3CN109062664A权利要求书3/3页其中，random是在[0,1)上随机均匀分布的随机值。8.根据权利要求7所述的一种基于蚁狮优化算法的云计算任务调度方法，其特征在于：当选