申请/专利权人：山东财经大学

申请日：2022-08-29

公开（公告）日：2022-12-02

公开（公告）号：CN115421885A

主分类号：G06F9/48

分类号：G06F9/48;G06F9/50;G06N3/00

优先权：

专利状态码：有效-授权

法律状态：2023.04.28#授权;2022.12.20#实质审查的生效;2022.12.02#公开

摘要：本发明公开了一种分布式多目标云任务的调度方法、装置及云服务系统。方法包括：构建适应度函数；使用微生物遗传算法缩小最优调度方案的求解范围，得到相应的种群并平分为第一种群和第二种群；第一种群上使用粒子群优化算法，得到第一最优解；第二种群上使用布谷鸟搜索算法，得到第二最优解；在共享时刻共享第一最优解与第二最优解的优秀个体；比较第一最优解中适应度最小的个体与第二最优解中适应度最小的个体，将适应度更小的一个保存为全局最优解；完成迭代输出全局最优解。该方法在使用微生物遗传算法后的种群上同时使用粒子群优化算法和布谷鸟搜索算法，避免了粒子群优化算法陷入局部最优的可能性，同时克服布谷鸟搜索算法收敛速度慢的缺点。

主权项：1.一种分布式多目标云任务的调度方法，其特征在于，包括：步骤A，获取待调度的分布式多目标云任务的任务参数，以及云服务系统的可用虚拟机的虚拟机参数，并构建适应度函数；步骤B，基于步骤A构建的适应度函数，使用微生物遗传算法缩小多目标云任务在云服务系统的最优调度方案的求解范围，得到相应的种群；步骤C，将步骤B得到的种群随机分为染色体数量相等的第一种群和第二种群；步骤D，在所述第一种群上使用粒子群优化算法，得到第一种群中的调度方案的当前最优解并记为第一最优解；步骤E，在所述第二种群上使用布谷鸟搜索算法，得到第二种群中的调度方案的当前最优解并记为第二最优解；步骤F，判断是否到达第一最优解和第二最优解进行共享的时刻；当算法整体迭代次数达到预设的次数时，则判定对第一最优解和第二最优解进行共享，并执行步骤G；当算法迭代次数未达到预设的次数时，则判定对第一最优解和第二最优解不进行共享，并跳过步骤G，直接执行步骤H；步骤G，共享第一最优解与第二最优解中的优秀个体，更新第一最优解与第二最优解，相应第一种群和第二种群也得到更新；步骤H，将第一最优解中适应度最小的个体与第二最优解中适应度最小的个体进行比较，保存比较结果中适应度更小的一个个体，并将比较结果中适应度更小的一个个体作为全局最优解；步骤I，重复步骤D至步骤H，直至算法整体迭代次数达到预设的最大算法整体迭代次数；步骤J，输出所述全局最优解，所述全局最优解即为多目标云任务在云服务系统的最优调度方案。

全文数据：

权利要求：

百度查询： 山东财经大学 一种分布式多目标云任务的调度方法、装置及云服务系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD