基于PSO-GA的微云负载均衡任务调度方法技术

本发明专利技术涉及一种基于PSO

【技术实现步骤摘要】
基于PSO-GA的微云负载均衡任务调度方法


[0001]本专利技术微云
，具体涉及一种基于PSO-GA的微云负载均衡任务调度方法。

技术介绍

[0002]近年来，随着移动通信技术和物联网的不断发展，移动设备的数量呈井喷式增长。通过移动设备上的各种应用，人们的生活越发便捷。但是，由于移动设备本身的计算能力、电池和数据存储容量有限，因此难以满足用户对低延迟与高可靠性的要求。而移动云计算中的云具有丰富的计算资源和数据存储空间，并且能够高效地处理移动设备上应用程序的任务请求，从而解决便携式移动设备的计算资源受限和电池能耗的问题。然而，将移动设备上的任务迁移到远程云，会造成较长的通信延迟，这会降低用户的QoS体验。
[0003]但是微云技术的出现，解决了该问题。微云是一组靠近用户并通过无线网络连接的计算机集群。在三层MCC框架(分别为移动设备、微云和远程云)中，微云处于中间层，这样移动设备就可以通过无线网络以较低延时访问微云，进而达到实时交互响应。而且，当微云处于负载状态的时候，可以将延时容忍的任务迁移到远程云执行。微云基础设施的部署方式与无线访问接入点相似，许多研究人员讨论如何在公共无线城域网中部署微云，使得公众能享受微云提供的高效服务。因为在大城市中人口密度很大，所以不乏移动用户访问微云。
[0004]但是，微云需要处理的一个主要问题是如何分配移动用户迁移的任务请求，使得微云之间的负载能够达到均衡。通常的做法是将用户的任务请求分配给最近的微云上去执行，但是当一个区域的用户数量过多时，对应的微云负载就会过大。如果微云上突然接受大量的用户任务请求，则会导致任务的响应时间变长，这将影响用户的体验感。

技术实现思路

[0005]有鉴于此，本专利技术的目的在于提供一种基于PSO-GA的微云负载均衡任务调度方法，可以有效减少迁移任务的响应时间，提高微云负载任务调度效率。
[0006]为实现上述目的，本专利技术采用如下技术方案：
[0007]一种基于PSO-GA的微云负载均衡任务调度方法，包括以下步骤：
[0008]步骤S1:初始化微云集合参数；
[0009]步骤S2:计算所有微云的本地任务响应时间
[0010]步骤S3:根据微云的本地任务响应时间对微云进行排序，并将微云集合划分成过载集合和欠载集合；
[0011]步骤S4:基于约束条件，采用改进的PSOGA算法，获取最优的微云任务调度方案。
[0012]进一步的，所述微云集合参数包括每个微云i的服务率、服务器数量和任务到达率以及微云间的网络延时。
[0013]进一步的，所述步骤S4具体为：
[0014]步骤S41:随机初始化P
num
个个体，并检查生成的个体的位置是否满足条件；
[0015]步骤S42:对种群进行迭代，经过N次迭代之后，得到种群的全局极值gbest
[0016]步骤S43:根据种群的全局极值gbest获得对应微云集合划分下的最优任务调度策略。
[0017]进一步的，所述步骤S42具体为：
[0018]i)在计算完惯性权重ω后，更新个体的位置与速度，对计算后的位置与速度进行检查；
[0019]ii)根据变异概率，从种群中选取一部分个体执行变异操作，对个体的位置进行检查；
[0020]iii)计算所有个体对应的适应度值；
[0021]iv)更新粒子的个体极值与种群的全局极值。
[0022]进一步的，所述计算所有个体对应的适应度值具体为：
[0023]i)通过解X
k
使用下式来更新所有微云的任务到达率λ；
[0024][0025][0026]ii)计算过载微云的任务等待时间和欠载微云的任务等待时间与网络延时T
net
(j)；
[0027]iii)将此时在微云集合中的最大任务响应时间作为该个体的适应度值。
[0028]进一步的，所述粒子位置与速度的更新具体为：
[0029]采用下式实现对个体的位置和速度的更新，
[0030]V
k
(t+1)＝ωV
k
(t)+c1r1(pbest
k-X
k
(t))+c2r2(gbest-X
k
(t))
ꢀꢀꢀ
(17)
[0031]X
k
(t+1)＝X
k
(t)+V
k
(t+1)
ꢀꢀꢀ
(18)
[0032]其中，t表示种群需要迭代的次数，c1和c2为种群的学习因子，r1和r2是介于(0，1)之间的随机数，ω则为惯性权重；V
k
(t)记为记忆项，表示上一次迭代的速度V
k
(t)对本次迭代速度V
k
(t+1)的大小和方向的影响；c1r1(pbest
k-X
k
(t))记为自身认知项，是个体从当前位置到自身最优位置的一个矢量，表示个体的移动有些来自于自己经验； c2r2(gbest-X
k
(t))记为群体认知项，是个体从当前位置到种群中最优位置的矢量；
[0033]并根据下式对个体进行检查；
[0034][0035][0036]式(13)表示过载微云集合中的任意一个微云i重定向到其它欠载微云的任务流都
必须小于等于其任务到达率λ
i
；式(14)表示欠载微云集合中的任意一个微云j所接收的总任务流一定要小于其服务器的总服务率减去本身的任务到达率λ
j
。
[0037]进一步的，所述粒子位置与速度的更新中在公式(17)上增加惯性权重线性递减策略，如下式
[0038]ω＝ω
max-t
·
(ω
max-ω
min
)/N，ω∈[ω
min
，ω
max
]ꢀꢀꢀ
(19) 。
[0039]进一步的，所述所述更新每个粒子的个体极值与种群的全局极值，具体为：
[0040][0041][0042]其中，式(20)表示获取第k个个体自第t次迭代以来的自身最优位置，arg min函数用于返回从第1到第t次迭代具有最小适应度值的自身位置X；式(21)则表示在第t次迭代中种群里的最优位置，并使用 arg min函数取得种群中适应度值最小的个体相对应的位置X。
[0043]本专利技术与现有技术相比具有以下有益效果：
[0044]本专利技术可以有效减少迁移任务的响应时间，提高微云负载任务调度效率。
附图说明
[0045]图1是本专利技术方法流程图；
[0046]图2是本专利技术一实施例中不同配置下3种算法的任务响应时间；
[0047]图3是本专利技术本专利技术一实施例中不同配置下3种算法的运行时间。
具体实施方式
[0048]下面结合附图及实施例对本专利技术本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于PSO-GA的微云负载均衡任务调度方法，其特征在于，包括以下步骤：步骤S1:初始化微云集合参数；步骤S2:计算所有微云的本地任务响应时间步骤S3:根据微云的本地任务响应时间对微云进行排序，并将微云集合划分成过载集合和欠载集合；步骤S4:基于约束条件，采用改进的PSOGA算法，获取最优的微云任务调度方案。2.根据权利要求1所述的基于PSO-GA的微云负载均衡任务调度方法，其特征在于，所述微云集合参数包括每个微云i的服务率、服务器数量和任务到达率以及微云间的网络延时。3.根据权利要求1所述的基于PSO-GA的微云负载均衡任务调度方法，其特征在于，所述步骤S4具体为：步骤S41:随机初始化P
num
个个体，并检查生成的个体的位置是否满足条件；步骤S42:对种群进行迭代，经过N次迭代之后，得到种群的全局极值gbest步骤S43:根据种群的全局极值gbest获得对应微云集合划分下的最优任务调度策略。4.根据权利要求3所述的所述的基于PSO-GA的微云负载均衡任务调度方法，其特征在于，所述步骤S42具体为：i)在计算完惯性权重ω后，更新个体的位置与速度，对计算后的位置与速度进行检查；ii)根据变异概率，从种群中选取一部分个体执行变异操作，对个体的位置进行检查；iii)计算所有个体对应的适应度值；iv)更新粒子的个体极值与种群的全局极值。5.根据权利要求4所述的基于PSO-GA的微云负载均衡任务调度方法，其特征在于，所述计算所有个体对应的适应度值具体为：i)通过解X
k
使用下式来更新所有微云的任务到达率λ；使用下式来更新所有微云的任务到达率λ；ii)计算过载微云的任务等待时间和欠载微云的任务等待时间与网络延时T
net
(j)；iii)将此时在微云集合中的最大任务响应时间作为该个体的适应度值。6.根据权利要求4所述的基于PSO-GA的微云负载均衡任务调度方法，其特征在于，所述粒子位置与速度的更新具体为：采用下式实现对个体的位置和速度的更新，X
k
(t+1)＝X
k
(t)+V
k
(t+...

【专利技术属性】
技术研发人员：陈星，姚泽玮，胡俊钦，杨立坚，林潮伟，
申请(专利权)人：福州大学，
类型：发明
国别省市：