【技术实现步骤摘要】
本专利技术属于云计算资源管理，特别是涉及一种多策略融合改进哈里斯鹰算法的云计算任务调度方法。
技术介绍
1、随着互联网技术浪潮不断地渗透到生产生活的各个方面，我们已经进入到了万物互联的时代，各领域消费者对于计算服务的需求越来越明显，呈现出了海量多样的应用场景，这些应用产生的数据量呈爆炸式增长。日益增长的计算服务需求促使学术研究者和企业组织不断向前探索新的高效的计算服务模式。基于虚拟化技术、网格计算、分布式计算与并行计算等成熟计算模式的相互发展与互补融合，云计算服务模式于2006年诞生，发展至今已在互联网的多个领域带来的创新性变革，推动了商业交付模式、数据处理方式和在线应用管理的快速发展。为了能够有效地利用和分析海量的用户数据，拥抱云计算已经成了全球互联网服务供应商的“必修课”。当云计算服务模式在各行各业开始崭露头角时，其展现出的强大优势全方位推动了信息化技术与工业生产的深度结合，从基础架构开始逐渐在工业领域中产生巨大变革。工业云代表了"互联网+"制造的发展方向，云计算资源虚拟化技术突破了传统产业和软硬件基础资源的限制，以使用互联网云计算技术的基本设施为基础，利用其计算、存储和部署能力，对工业生产资源与应用进行集成，对工业数据进行采集、储存和分析，为工业提供多元化服务。而对于工业运行过程中，如何实现最优任务调度，仍然是待解决问题。并且，目前的云服务商的计算节点资源利用不均衡引发的虚拟机损耗过快和单点故障问题，存在效率低且成本高等问题。
技术实现思路
1、为了解决上述问题，本专利技术提
2、为达到上述目的，本专利技术采用的技术方案是：一种多策略融合改进哈里斯鹰算法的云计算任务调度方法，包括步骤：
3、s10,构建云计算异构网络场景，根据场景信息表示出数据中心、虚拟机和独立任务；
4、s20,根据云计算异构网络场景，搭建任务调度系统模型，并表示出待优化策略问题的目标函数和约束条件；
5、s30,将任务调度系统模型映射到改进哈里斯鹰算法，并完成算法参数设置；任务调度映射为哈里斯鹰算法中个体的位置，将最大完成时间与平均资源利用率的联合优化模型映射成鹰群寻觅猎物的适应度评价函数；
6、s40,采用多策略融合改进哈里斯鹰算法求解最优任务调度策略，迭代寻优，得出优化后的最优任务调度策略。
7、进一步的是，所述构建云计算异构网络场景包括：系统数据中心使用的物理主机集合表示为h={h1,h2,…,hk}，部署虚拟机集合表示为v={v1,v2,…,vm}，每个虚拟机资源配置由三元组表示为vj={comj,ramj,bwj}，comj表示虚拟机vj的计算能力，ramj表示虚拟机vj的内存容量，bwj表示虚拟机vj的带宽容量；待处理的独立任务表示为t={t1,t2,…,tn}，每个独立任务属性由二元组表示为ti={leni,sizei}，leni表示为独立任务ti所需的计算资源，sizei表示独立任务ti传输的数据量大小；系统最终实现独立任t与部署虚拟机v的资源映射。
8、进一步的是，搭建任务调度系统模型，包括：
9、针对云计算独立任务调度中的最大完成时间与平均资源利用率联合优化问题，构建相对应的目标优化数学模型；
10、将一个完整的任务调度定义为s=<p,mk,avru>，p为任务矩阵，p包含了所有任务t到部署虚拟机v的合理映射ptv，mk和avru分别为任务t最大完成时间和平均资源利用率。
11、进一步的是，任务调度中的最大完成时间与平均资源利用率为目标的任务调度优化问题，表示为整数规划模型：
12、；
13、其中，λ1表示优化任务完成时间的权重约束；λ2表示优化平均资源利用率的权重约束；λ1∈[0,1]，λ2∈[0,1]，且满足λ1+λ2=1。
14、进一步的是，对最大完成时间和平均资源利用率指标建立计算模型：
15、设定二元决策变量svik(1≤i，≤n)取值表示任务ti和tk是否同时被分配到同一虚拟机，当分配到同一虚拟机时svik=1，否则svik=0；
16、任务ti传输到匹配虚拟机vj的传输时间为：
17、；
18、任务ti在指定虚拟机vj上的执行所需时间为：
19、；
20、comj表示虚拟机vj的计算能力，leni表示为独立任务ti所需的计算资源；
21、任务ti匹配的虚拟机vj完成已分配工作负载所需的时间为：
22、；
23、etckj表示任务tk在指定虚拟机vj上的执行所需时间，svki表示任务tk和ti是否同时被分配到同一虚拟机，pij表示任务；
24、任务ti在分配虚拟机vj上执行结束的实际时间为：
25、；
26、对于任何任务矩阵p的任务最大完成时间何平均资源利用率模型为：
27、；
28、得到系统优化目标模型：
29、；
30、λ1和λ2为权重，mk和avru分别为任务最大完成时间和平均资源利用率，ramj表示虚拟机vj的内存容量，retk表示任务tk匹配的虚拟机vj完成已分配工作负载所需的时间，fintk任务tk在分配虚拟机vj上执行结束的实际时间；
31、公式中，约束条件1：保证任务执行不存在优先级，每个任务只允许在分配的特定虚拟机上执行一次；约束条件2：保证只有在满足内存需求的情况下，才能将任务分配给虚拟机；若满足svik=1，约束条件3需确定成立，以保证同一虚拟机的执行时间不重叠，某时刻虚拟机在完全处理已分配的任务ti，才可处理下一个分配的任务tk。
32、进一步的是，将任务调度系统模型映射到改进哈里斯鹰算法中包括：将模型问题中任务调度到某虚拟机的调度策略,任务调度策略为向量；将调度策略映射为哈里斯鹰算法中哈里斯鹰个体的位置，将优化目标模型映射成鹰群所寻觅食物源的适应度评价函数，适应度评价值越小时，所得到的目标优化效果越优越。
33、进一步的是，采用多策略融合改进哈里斯鹰算法求解最优调度策略包括步骤：
34、s31,算法参数设置：设置种群数量、最大迭代次数和优化维度；
35、s32,种群初始化：采用混沌对立学习策略初始化种群位置；
36、s33,猎物逃逸能量更新：采用自适应指数递减策略更新猎物的逃逸能量，控制鹰群从搜索阶段到追逐猎物阶段的转换；若逃逸能量绝对值大于1则进入搜索猎物阶段，若逃逸能量绝对值小于1则进入追逐捕猎阶段；
37、s34,搜索猎物阶段：引入灰狼优化算法的探索机制对原始搜索策略进行精英代表性搜索，更新猎物位置信息；
38、s35,追逐方式选择：根据不同逃跑概率和逃逸能量随机选用软围捕、硬围捕、递进式快速俯冲软围捕和递本文档来自技高网...
【技术保护点】
1.一种多策略融合改进哈里斯鹰算法的云计算任务调度方法，其特征在于，包括步骤：
2.根据权利要求1所述的一种多策略融合改进哈里斯鹰算法的云计算任务调度方法，其特征在于，所述构建云计算异构网络场景包括：系统数据中心使用的物理主机集合表示为H={h1,h2,…,hk}，部署虚拟机集合表示为V={v1,v2,…,vm}，每个虚拟机资源配置由三元组表示为Vj={Comj,Ramj,Bwj}，Comj表示虚拟机vj的计算能力，Ramj表示虚拟机vj的内存容量，Bwj表示虚拟机vj的带宽容量；待处理的独立任务表示为T={t1,t2,…,tn}，每个独立任务属性由二元组表示为ti={Leni,Sizei}，Leni表示为独立任务ti所需的计算资源，Sizei表示独立任务ti传输的数据量大小；系统最终实现独立任T与部署虚拟机V的资源映射。
3.根据权利要求1所述的一种多策略融合改进哈里斯鹰算法的云计算任务调度方法，其特征在于，搭建任务调度系统模型，包括：
4.根据权利要求3所述的一种多策略融合改进哈里斯鹰算法的云计算任务调度方法，其特征在于，任务调度中的最大完
5.根据权利要求3所述的一种多策略融合改进哈里斯鹰算法的云计算任务调度方法，其特征在于，对最大完成时间和平均资源利用率指标建立计算模型：
6.根据权利要求1所述的一种多策略融合改进哈里斯鹰算法的云计算任务调度方法，其特征在于，将任务调度系统模型映射到改进哈里斯鹰算法中包括：将模型问题中任务调度到某虚拟机的调度策略,任务调度策略为向量；将调度策略映射为哈里斯鹰算法中哈里斯鹰个体的位置，将优化目标模型映射成鹰群所寻觅食物源的适应度评价函数，适应度评价值越小时，所得到的目标优化效果越优越。
7.根据权利要求1所述的一种多策略融合改进哈里斯鹰算法的云计算任务调度方法，其特征在于，采用多策略融合改进哈里斯鹰算法求解最优调度策略包括步骤：
8.根据权利要求7所述的一种多策略融合改进哈里斯鹰算法的云计算任务调度方法，其特征在于，通过结合混沌映射与对立学习策略的实现对鹰群初始位置的混沌优化，得到种群的初始位置xi,j，映射公式为：
9.根据权利要求7所述的一种多策略融合改进哈里斯鹰算法的云计算任务调度方法，其特征在于，引入灰狼优化算法的探索机制对原始搜索策略进行精英代表性搜索改进，包括：
10.根据权利要求7所述的一种多策略融合改进哈里斯鹰算法的云计算任务调度方法，其特征在于，猎物逃逸能量更新：采用指数递减策略对逃逸能量E进行改进，引入自适应反馈因子Hs，使用前一次迭代收到的个体更新反馈调整当前迭代的逃逸能量。
...【技术特征摘要】
1.一种多策略融合改进哈里斯鹰算法的云计算任务调度方法，其特征在于，包括步骤：
2.根据权利要求1所述的一种多策略融合改进哈里斯鹰算法的云计算任务调度方法，其特征在于，所述构建云计算异构网络场景包括：系统数据中心使用的物理主机集合表示为h={h1,h2,…,hk}，部署虚拟机集合表示为v={v1,v2,…,vm}，每个虚拟机资源配置由三元组表示为vj={comj,ramj,bwj}，comj表示虚拟机vj的计算能力，ramj表示虚拟机vj的内存容量，bwj表示虚拟机vj的带宽容量；待处理的独立任务表示为t={t1,t2,…,tn}，每个独立任务属性由二元组表示为ti={leni,sizei}，leni表示为独立任务ti所需的计算资源，sizei表示独立任务ti传输的数据量大小；系统最终实现独立任t与部署虚拟机v的资源映射。
3.根据权利要求1所述的一种多策略融合改进哈里斯鹰算法的云计算任务调度方法，其特征在于，搭建任务调度系统模型，包括：
4.根据权利要求3所述的一种多策略融合改进哈里斯鹰算法的云计算任务调度方法，其特征在于，任务调度中的最大完成时间与平均资源利用率为目标的任务调度优化问题，表示为整数规划模型：
5.根据权利要求3所述的一种多策略融合改进哈里斯鹰算法的云计算任务调度方法，其特征在于，对最大完成时...
【专利技术属性】
技术研发人员：吴金华，李驹光，唐东明，刘湛，胥正伟，孙小虎，陈杰，沈华平，江涛，刘佳楠，
申请(专利权)人：成都中嵌自动化工程有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。