云環(huán)境下基于多目標(biāo)粒子群的工作流調(diào)度算法研究.pdf

1、在大數(shù)據(jù)時(shí)代背景下，云計(jì)算得到了廣泛的關(guān)注和應(yīng)用。隨著云計(jì)算不斷的發(fā)展，同時(shí)受到完工時(shí)間和成本等因素約束的科學(xué)計(jì)算流程和商業(yè)流程等應(yīng)用流程日趨復(fù)雜。以往的云計(jì)算應(yīng)用/軟件已經(jīng)不能滿(mǎn)足企業(yè)和用戶(hù)的需求。在此背景下，云工作流系統(tǒng)作為一個(gè)切實(shí)有效的解決方案被提出。
　　云工作流系統(tǒng)能夠?qū)?fù)雜的工作流程進(jìn)行抽象定義，為用戶(hù)提供了便利。如何在云環(huán)境下部署工作流任務(wù)成為新的研究對(duì)象。任務(wù)調(diào)度是云工作流最重要的核心技術(shù)。由于云計(jì)算的以用戶(hù)為中心

2、，按需提供服務(wù)，商業(yè)性和異構(gòu)環(huán)境等特性使其必須關(guān)注用戶(hù)的服務(wù)質(zhì)量和云服務(wù)提供商的收益。相比于云環(huán)境下常規(guī)作業(yè)的調(diào)度問(wèn)題，云工作流調(diào)度不但需要考慮服務(wù)質(zhì)量（如時(shí)間、成本等因素）的約束，還需要受到工作流內(nèi)各個(gè)任務(wù)之間依賴(lài)關(guān)系的約束，此外，各個(gè)任務(wù)所產(chǎn)生的中間數(shù)據(jù)也是調(diào)度必須要考慮的因素之一。
　　本文針對(duì)云工作流的特點(diǎn)，提出了一種多目標(biāo)粒子群云工作流調(diào)度策略MOPSO(Multi-objective Particle Swarm Op

3、timization)。該策略同時(shí)權(quán)衡成本和時(shí)間，在盡量滿(mǎn)足用戶(hù)服務(wù)質(zhì)量的前提下，減少總的執(zhí)行成本和完工時(shí)間。本調(diào)度策略從用戶(hù)角度考慮工作流調(diào)度問(wèn)題，對(duì)一個(gè)工作流實(shí)例可以返回含有多個(gè)工作流調(diào)度方案的集合，該調(diào)度方案集合是一個(gè)Pareto最優(yōu)解集，可以根據(jù)用戶(hù)的偏好選擇一個(gè)最佳的調(diào)度方案。為了進(jìn)一步提高多目標(biāo)粒子群算法的性能，本文提出一個(gè)結(jié)合啟發(fā)式局部搜索和多目標(biāo)粒子群的混合算法HCMOPSO(Hill Climbing withMult

4、i-objective Particle Swarm Optimization)。該算法可以獲得目標(biāo)值更優(yōu)的Pareto最優(yōu)解集并且可以更加快速地收斂。通過(guò)對(duì)仿真平臺(tái)WorkflowSim進(jìn)行擴(kuò)展，在擴(kuò)展后的仿真平臺(tái)上對(duì)真實(shí)環(huán)境中的工作流應(yīng)用進(jìn)行模擬并在此基礎(chǔ)上將本文提出的調(diào)度策略與Min-Min、Max-Min和HEFT調(diào)度算法進(jìn)行對(duì)比實(shí)驗(yàn)。實(shí)驗(yàn)表明，本算法可以在短時(shí)間內(nèi)獲得一個(gè)Pareto最優(yōu)解集，該解集中的解在時(shí)間優(yōu)化方面表現(xiàn)突出