一种基于差分扰动的蜣螂优化算法的云资源调度方法技术

本发明专利技术涉及一种基于差分扰动的蜣螂优化算法的云资源调度方法，包括：首先，获取用户的初始化参数数据；然后，根据初始化种群得到对应的拟合函数；再后，建立目标函数，设置约束条件；最后，使用改进的蜣螂优化算法求解云资源调度问题模型，得到算法迭代完成后输出的目标函数值和最优资源调度方案

【技术实现步骤摘要】
一种基于差分扰动的蜣螂优化算法的云资源调度方法


[0001]本专利技术涉及云资源优化调度方法
，尤其涉及一种基于差分扰动的蜣螂优化算法的云资源调度方法
。

技术介绍

[0002]随着信息技术和网络技术的进一步发展，传统的计算模式已不能满足社会中海量数据和信息处理的要求，但云计算模式不仅有能力去处理海量的数据，而且使用起来更加方便，云计算的目的是以一种计量的
、
自助服务的
、
动态可扩展的方式，提供按需
、
随用随付
、
基于互联网的对共享计算资源
(
硬件和软件
)
的访问
。
在云计算中，云资源调度至关重要，若资源调度不当，可能会出现资源利用不足
(
负载不足
)
和资源利用过度
(
负载过重
)
的困境，从而导致云资源的浪费或业务性能的下降
。
因此，云资源调度问题是当下迫切需要解决的问题
。
[0003]中国专利公开号：
CN 109783219
公开了一种云资源优化调度方法及装置
,
资源调度方法利用虚拟资源同时达到服务效果
,
但是没有解决云资源调度的合理性和云资源的浪费或业务性能的下降的问题
。

技术实现思路

[0004]为此，本专利技术提供一种基于差分扰动的蜣螂优化算法的云资源调度方法，用以克服现有技术中云资源调度不当导致云资源的浪费或业务性能下降的问题
。
[0005]为实现上述目的，本专利技术给出的一种基于差分扰动的蜣螂优化算法的云资源调度方法，包括：
[0006]步骤
S1、
获取用户的初始化参数数据；
[0007]步骤
S2、
根据初始化参数数据完成对种群的初始化，包括含有对应数量个体的滚球蜣螂种群
、
孵蛋蜣螂种群
、
小蜣螂种群以及小偷蜣螂种群；
[0008]步骤
S3、
根据目标函数计算种群的适应性；
[0009]步骤
S4、
在单次迭代过程中，针对滚球蜣螂种群，生成该次迭代中的
rand
随机值，根据
rand
随机值选用对应的算法更新其位置；针对孵蛋蜣螂种群
、
小蜣螂种群以及小偷蜣螂种群则直接使用对应算法进行位置更新；
[0010]步骤
S5、
在完成对单个所述个体数据的位置的更新时，根据所处的种群种类对应的公式进行修正变量上下边界上的范围；
[0011]步骤
S6、
在完成对目标函数的迭代时，返回全局最佳解位置以重新计算种群的适应性，得到算法迭代完成后输出的目标函数值和最优资源调度方案以完成对初始化参数数据的优化
。
[0012]进一步地，针对所述步骤
S4
中的滚球蜣螂种群，针对单个所述个体数据，根据该个体数据的
rand
值确定针对该个体数据的位置更新方式，其中：
[0013]若所述个体数据的
rand
值小于
0.8
，则根据该个体数据所属的种群种类选取对应
的算法更新其位置；
[0014]若所述个体数据的
rand
值大于等于
0.8
，则使用第三算法更新该个体数据的位置
。
[0015]进一步地，所述第三算法为高斯
Tent
扰动算法，包括：
[0016]输入：
fit,N,X
i
,lb,ub
[0017]输出：
[0018]1：
fit
AVG
＝
sum(fit)/N
；
[0019]2：
if fit(i)
＜
fit
AVG
[0020]3：使用公式更新
[0021]4：
else
[0022]5：使用公式更新
[0023]6：
end if
[0024]其中，
fit
表示一个
(N
×
1)
维的向量，存储了种群的适应度值，
N
表示种群大小，
X
i
表示种群中的第
i
个解决方案，
lb
与
ub
分别表示问题变量的下界和上界
。
[0025]进一步地，在单个所述个体数据的
rand
值小于
0.8
时，
[0026]若该个体数据所属种群种类为滚球蜣螂种群，则根据该个体数据的
rand
值选用对应的算法或等式更新其位置；
[0027]若该个体数据所属种群种类为孵蛋蜣螂种群，则使用第一算法更新其位置；
[0028]若该个体数据所属种群种类为小蜣螂种群，则使用第八等式更新其位置；
[0029]若该个体数据所属种群种类为小偷蜣螂种群，则使用第九等式更新其位置
。
[0030]进一步地，在单个所述个体数据的
rand
值小于
0.8
且该个体数据所属种群种类为滚球蜣螂种群时，
[0031]若单个所述个体数据的
rand
值小于
0.5
，则使用第二算法更新其位置；
[0032]若单个所述个体数据的
rand
值大于等于
0.5
且小于
0.7
，则使用第一等式更新其位置；
[0033]若单个所述个体数据的
rand
值大于等于
0.7
，则使用第三等式更新其位置；
[0034]进一步地，单个所述个体数据的
rand
值小于
0.5
且该个体数据所属种群种类为滚球蜣螂种群时，则使用更新其位置的第二算法为：
[0035]输入：
X
i
,X
best
,X,N,D,t,T
max
[0036]输出：
X
i,new
[0037]1:[r1,r2,r3]＝
randperm(N,3)
；
[0038]2:[X
r1
,X
r2
,X
r3
]＝
[X(r1
，：
),X(r2
，：
),X(r3
，：
)]；
[0039]3:R
＝
0.02
×
(1
‑
t/T
max
)
；
[0040]4本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于差分扰动的蜣螂优化算法的云资源调度方法，其特征在于，包括：步骤
S1、
获取用户的初始化参数数据；步骤
S2、
根据初始化参数数据完成对种群的初始化，包括含有对应数量个体的滚球蜣螂种群
、
孵蛋蜣螂种群
、
小蜣螂种群以及小偷蜣螂种群；步骤
S3、
根据目标函数计算种群的适应性；步骤
S4、
在单次迭代过程中，针对滚球蜣螂种群，生成该次迭代中的
rand
随机值，根据
rand
随机值选用对应的算法更新其位置；针对孵蛋蜣螂种群
、
小蜣螂种群以及小偷蜣螂种群则直接使用对应算法进行位置更新；步骤
S5、
在完成对单个所述个体数据的位置的更新时，根据所处的种群种类对应的公式进行修正变量上下边界上的范围；步骤
S6、
在完成对目标函数的迭代时，返回全局最佳解位置以重新计算种群的适应性，得到算法迭代完成后输出的目标函数值和最优资源调度方案以完成对初始化参数数据的优化
。2.
根据权利要求1所述的基于差分扰动的蜣螂优化算法的云资源调度方法，其特征在于，针对所述步骤
S4
中的滚球蜣螂种群，针对单个所述个体数据，根据该个体数据的
rand
值确定针对该个体数据的位置更新方式，其中：若所述个体数据的
rand
值小于
0.8
，则根据该个体数据所属的种群种类选取对应的算法更新其位置；若所述个体数据的
rand
值大于等于
0.8
，则使用第三算法更新该个体数据的位置
。3.
根据权利要求2所述的基于差分扰动的蜣螂优化算法的云资源调度方法，其特征在于，所述第三算法为高斯
Tent
扰动算法，包括：输入：
fit,N,X
i
,lb,ub
输出：1：
fit
AVG
＝
sum(fit)/N
；2：
if fit(i)
＜
fit
AVG3：使用公式更新4：
else5
：使用公式更新6：
end if
其中，
fit
表示一个
(N
×
1)
维的向量，存储了种群的适应度值，
N
表示种群大小，
X
i
表示种群中的第
i
个解决方案，
lb
与
ub
分别表示问题变量的下界和上界
。4.
根据权利要求3所述的基于差分绕道的蜣螂优化算法的云资源调度方法，其特征在于，在单个所述个体数据的
rand
值小于
0.8
时，若该个体数据所属种群种类为滚球蜣螂种群，则根据该个体数据的
rand
值选用对应的算法或等式更新其位置；若该个体数据所属种群种类为孵蛋蜣螂种群，则使用第一算法更新其位置；若该个体数据所属种群种类为小蜣螂种群，则使用第八等式更新其位置；若该个体数据所属种群种类为小偷蜣螂种群，则使用第九等式更新其位置
。
次迭代的位置之差
。8.
根据权利要求4所述的基于差分绕道的蜣螂优化算法的云资源调度方法，其特征在于，在单个所述个体数据的
rand
值小于
0.8...

【专利技术属性】
技术研发人员：吴封斌，李少波，谢荣翔，张星星，黄子宸，张金琥，
申请(专利权)人：贵州大学，
类型：发明
国别省市：