基于改进GA 的云计算任务调度算法研究.docVIP

基于改进GA 的云计算任务调度算法研究 　　摘要：在当前的社会当中，随着计算机技术和网络技术的发展，云计算逐渐成为一种主要的计算方式。而在云计算当中，任务调度算法发挥着重要的作用。对此，应当对计算资源进行合理的分配，对任务调度算法进行改进，从而进一步提升云计算的效率。基于此，本文对考虑时间-成本约束的遗传算法的改进GA任务调度算法进行了分析和研究，从而更好发挥出云计算的作用和效果。 　　关键词：改进GA；云计算；任务调度算法 　　中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2016）13-0177-02 　　云计算是当前网络中一种基于云平台提供的运算服务，其中包含软件、平台、基础设施等服务，通过互联网，拆分处理任务，使之形成若干小任务，然后通过多个服务器系统进行计算分析和有哪些信誉好的足球投注网站，并向用户传递结果。在云计算当中，包括网格计算、并行计算、分布式计算等方面的内容。在云计算中，具有庞大的计算任务，因此任务调度十分重要，对于云计算的效率来说，也有着直接的影响。 　　1 任务调度的基本概述 　　在当前的云计算领域当中，对Google的Map/Reduce编程模型的应用较为广泛，能够并行计算大规模的数据集。通过对大任务的划分，利用多个计算资源对划分的小任务进行并行执行，最后对最终的计算结果进行汇总。云计算在提供服务的过程中，应当面向多个用户，因此对各个用户的响应时间应加以考虑，并且应当对服务所需成本进行考虑。而在一些传统的调度算法中，往往难以对所有的因素进行考虑，因而难以同时兼顾到时间和成本[1]。在云计算当中，主要有网络、存储器、处理器等资源，在应用过程中，根据用量和需求进行使用和付费。在云计算当中，任务调度算法能够向各个计算资源中更加合理的分配子任务，从而缩短任务执行时间，降低任务执行成本。 　　2 几种任务调度算法的比较 　　在云计算环境下，基于相同的条件，对考虑成本约束的遗传算法、考虑时间约束的遗传算法、考虑时间-成本约束的遗传算法等进行了比较分析。在实验研究当中，在初期的遗传算法进化阶段，对于总任务完成时间来说，这三种遗传算法都能够得到基本相似的最优子任务调度结果。而在不断增加进化代数的条件下，对于总任务完成时间来说，考虑成本约束的遗传算法、考虑时间-成本约束的遗传算法能够得到更加良好的结果，而考虑时间约束的遗传算法则难以取得较为理想的效果[2]。由此可见，在考虑成本约束的遗传算法中，能够得到最小总任务完成成本的子任务调度结果，但是难以有效的优化任务完成时间。而考虑时间约束的遗传算法，能够得到最短任务完成时间的子任务调度结果，但是难以有效的优化任务执行成本。在考虑时间-成本约束的遗传算法当中，由于同时对任务的时间和成本进行了考虑，因而在任务调度当中，能够取得更为理想的子任务调度结果，更好的提升云计算的效率和效益。 　　3 考虑时间-成本约束的遗传算法 　　1） 染色体的编码解码 　　在编码方式方面，染色体十分丰富，能够对间接编码和直接编码的方式进行应用。子任务的数量，可看作染色体的长度，在染色体当中，根据子任务占用资源的具体编号，对基因取值进行确定。在初始种群的产生过程中，每一个染色体会随机生成资源编号，在变异、较差算子之后，子任务会对任意的可用资源进行占用，因此，在最优解当中，都会有染色体编码与之相对应。在染色体生成之后，应当对其进行解码操作，从而对子任务分布在不同资源中的情况加以了解。根据占用资源的不同，对子任务进行划分，根据资源编号，得到多组子任务的分类序列，然后对相应的染色体进行解码[3]。在解码之后，对于计算资源中分配的子任务，能够对其序列进行了解。通过对ETC矩阵进行应用，对于计算资源中，子任务序列的完成时间，能够进行准确的计算。在云计算当中，计算资源当中都有着并发处理的特点，因而在计算中，根据最大的计算结果，确定为子任务完成的具体时间。在考虑时间-成本约束的遗传算法当中，由于对完成子任务的成本、时间等都要加以考虑，因此可采用贪心算法对子任务完成的最大成本、最大时间等进行计算。 　　2） 适应度函数 　　在基于改进遗传算法的云计算任务调度算法当中，选择适当的遗传算法适应度函数，能够发挥出良好的效果，对于遗传算法中查找最优解、收敛速度等，都有着直接的影响。如果个体具有较大的适应度，其就有更大的概率向下一代进行遗传。如果个体的适应度较小，则其就有较小的概率向下一代进行遗传。在任务调度的过程中，应当对完成所有子任务需要的时间、成本等问题进行考虑。在定义时间的适应度函数当中，涉及平衡任务负载因子这一参数，能够对不同计算资源的实际利用率进行反映[4]。如果平衡任务负载因子具有较大的数值，则说明计算资源具有较高的利用效率，因而任务完成时间就会相应的较短。在定义成本的适应度函数