买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：南京邮电大学

摘要：本发明提供了一种基于免疫退火算法的云任务调度方法，首先考虑系统资源使用情况以及任务执行时间，在传统模型上构建了一种包括任务执行时间，系统负载均衡，系统公平性的多目标评估模型。其次提出了一种基于免疫机制的改进模拟退火调度算法，通过将模拟退火算法接受坏解思想引入到免疫算法中，允许一些劣质解加入变异，更好地保持种群多样性，避免陷入局部最优解，然后对模拟退火算法中的冷却参数进行振荡操作，缩短了任务调度时间，并根据任务所需资源和系统负载均衡度提供了一个较好的可行初始解群，较好地平衡了系统的负载以公平性。

主权项：1.一种基于免疫退火算法的云任务调度方法，其特征在于，包括如下步骤：步骤A:获取退火表参数，并对所述退火表参数进行初始化，所述退火表参数包括初始温度T0，冷却参数α，最大迭代次数Lmax，终止温度Te；步骤B:将每一种虚拟机对任务的可行分配方案视为一个抗体，多个抗体组成一个抗体群，适应度函数视为抗原，将抗体和抗原的结合程度视为亲和度，亲和度越大表示抗体与抗原的结合程度越好；所述分配方案为随机生成的可行虚拟机对任务的映射方案；建立虚拟机对各个任务的映射关系，初始化抗体群，计算初始化后的抗体群中每一个抗体与抗原的亲和度；步骤C:根据各抗体的亲和度是否高于阈值更新抗体种群；步骤D:对初始温度进行降温操作，根据以下迭代公式对温度以及迭代次数进行更新；Tk+1＝α*TkL＝L+1其中，Tk+1是初始温度进行降温k次后的温度值，即当前温度，α是冷却参数，用于控制温度下降速率，L为当前迭代次数；步骤E:计算新种群的亲和度并按照由大到小排列，判断L是否达到最大迭代次数或者当前温度是否达到目标温度，若达到最大迭代次数或者目标温度，则输出最优解；若未达到最大迭代次数或者目标温度，则继续进入步骤C；根据各抗体的亲和度是否高于阈值更新抗体种群的方法包括：将亲和度高于特定阈值的优质抗体加入新种群；对抗体进行变异操作，获得新抗体：child＝parent1+γ*parent2-parent1其中，child为经变异产生的新抗体，parent1是待变异的克隆优质抗体或劣质抗体，parent2是随机选取的一个优质抗体，γ是由[0,1]上均匀分布的随机数生成的比例因子；新抗体群接受解变异概率P为 式中，affs和分别表示当前抗体的亲和度和所有抗体平均亲和度，η是自定义的阈值，适应度函数值应越小，抗体与抗原的亲和度越大，得到的解越优；P是新抗体群接受新解的概率，当抗体的亲和度小于阈值时，则产生一个随机数ρ，其中0ρ1，若P＞ρ,则对差解进行变异操作。

全文数据：

权利要求：

百度查询： 南京邮电大学 一种基于免疫退火算法的云任务调度方法及装置