发明名称 |
一种基于改进遗传算法的云任务调度方法 |
摘要 |
本发明提出了一种基于改进遗传算法的云任务调度方法—双适应度综合乘积遗传算法。本发明涉及云计算以及调度算法两大领域。针对云计算Map/Reduce编程模型,研究用户任务到虚拟资源的匹配问题,找到合适的资源供用户任务执行,算法的目标是同时使得任务总执行时间和平均执行时间都最短,该算法增加一个适应度以及综合采用任务调度的乘积算法。生成初始种群,计算个体适应度值,进行选择、交叉、变异操作,迭代数加一,不断生成新种群,在最后得到的种群中,计算每个个体适应度值,适应度值最高的个体为最优解,对该个体解码得到的资源节点序列就是本算法任务调度的最终结果。 |
申请公布号 |
CN103902375A |
申请公布日期 |
2014.07.02 |
申请号 |
CN201410146309.1 |
申请日期 |
2014.04.11 |
申请人 |
北京工业大学 |
发明人 |
王冠;梁社静;周珺;陈建中;张少华 |
分类号 |
G06F9/48(2006.01)I;G06F9/50(2006.01)I;G06N3/12(2006.01)I;H04L29/08(2006.01)I |
主分类号 |
G06F9/48(2006.01)I |
代理机构 |
北京思海天达知识产权代理有限公司 11203 |
代理人 |
张慧 |
主权项 |
一种基于改进遗传算法的云任务调度方法——双适应度综合乘积遗传算法,其特征在于,该算法增加一个适应度函数即双适应度以及采用任务调度的综合乘积算法作为最终的适应度函数,并把该算法运用于云环境Map/Reduce编程模型的任务调度过程中,包括如下步骤:步骤1:用户提交任务,用户提交任务个数以及任务长度;步骤2:Map/Reduce处理任务,Map/Reduce编程模型把用户提交的任务分割成多个子任务,对这些众多子任务进行调度;步骤3:寻找合适的资源节点,采用改进的遗传算法得到任务调度的资源序列,该序列即为执行任务的资源节点序列;步骤4:执行任务,Map/Reduce编程模型根据步骤3得到的资源节点序列,把任务分配给该序列并行执行,并把执行结果返回给用户。 |
地址 |
100124 北京市朝阳区平乐园100号 |