云環(huán)境下基于多目標粒子群的工作流調度算法研究.pdf

1、在大數(shù)據(jù)時代背景下，云計算得到了廣泛的關注和應用。隨著云計算不斷的發(fā)展，同時受到完工時間和成本等因素約束的科學計算流程和商業(yè)流程等應用流程日趨復雜。以往的云計算應用/軟件已經不能滿足企業(yè)和用戶的需求。在此背景下，云工作流系統(tǒng)作為一個切實有效的解決方案被提出。
　　云工作流系統(tǒng)能夠對復雜的工作流程進行抽象定義，為用戶提供了便利。如何在云環(huán)境下部署工作流任務成為新的研究對象。任務調度是云工作流最重要的核心技術。由于云計算的以用戶為中心

2、，按需提供服務，商業(yè)性和異構環(huán)境等特性使其必須關注用戶的服務質量和云服務提供商的收益。相比于云環(huán)境下常規(guī)作業(yè)的調度問題，云工作流調度不但需要考慮服務質量（如時間、成本等因素）的約束，還需要受到工作流內各個任務之間依賴關系的約束，此外，各個任務所產生的中間數(shù)據(jù)也是調度必須要考慮的因素之一。
　　本文針對云工作流的特點，提出了一種多目標粒子群云工作流調度策略MOPSO(Multi-objective Particle Swarm Op

3、timization)。該策略同時權衡成本和時間，在盡量滿足用戶服務質量的前提下，減少總的執(zhí)行成本和完工時間。本調度策略從用戶角度考慮工作流調度問題，對一個工作流實例可以返回含有多個工作流調度方案的集合，該調度方案集合是一個Pareto最優(yōu)解集，可以根據(jù)用戶的偏好選擇一個最佳的調度方案。為了進一步提高多目標粒子群算法的性能，本文提出一個結合啟發(fā)式局部搜索和多目標粒子群的混合算法HCMOPSO(Hill Climbing withMult

4、i-objective Particle Swarm Optimization)。該算法可以獲得目標值更優(yōu)的Pareto最優(yōu)解集并且可以更加快速地收斂。通過對仿真平臺WorkflowSim進行擴展，在擴展后的仿真平臺上對真實環(huán)境中的工作流應用進行模擬并在此基礎上將本文提出的調度策略與Min-Min、Max-Min和HEFT調度算法進行對比實驗。實驗表明，本算法可以在短時間內獲得一個Pareto最優(yōu)解集，該解集中的解在時間優(yōu)化方面表現(xiàn)突出