技术领域
本发明涉及云计算资源调度技术领域，特别是涉及一种基于杂交水稻算法的云计算资源调度方法及系统。
背景技术
云计算是指通过互联网连接的超级计算模式，包含分布式处理、并行处理和网格计算的相关技术。云计算是一种新型的共享基础架构，可以将巨大的系统池连接在一起，以运营商和客户的方式，通过互联网为用户提供各种存储和计算资源。云计算的主要优势是能够迅速降低硬件成本、提升计算能力以及存储容量，用户可以以极低的成本投入获得极高的计算品质，而不用再投资购买昂贵的硬件设备，进行频繁的保养和升级。
云计算资源调度是云计算技术的一个重要组成部分，其效率直接影响整个云计算环境的工作性能。目前，通常采用的云计算资源调度方法有：蚁群优化算法的云计算调度方法和遗传优化算法的云计算调度方法。蚁群优化算法的云计算调度方法收敛速度较慢，容易陷入局部最优；遗传优化算法的云计算调度方法遗传算法的编程复杂，需要对问题进行编码找到最优解后对问题进行解码，且搜索速度慢。由于现有的云计算资源调度方法存在上述缺陷，导致云计算资源调度的效率不高。
发明内容
基于此，有必要提供一种基于杂交水稻算法的云计算资源调度方法及系统，以提高云计算资源调度的效率的。
一种基于杂交水稻算法的云计算资源调度方法，所述方法包括：
获取初始集合，所述初始集合包括多个水稻个体，每个所述水稻个体表示一种云计算资源调度方案；
计算每个所述水稻个体的适应度值，所述适应度值表示执行所述云计算资源调度方案的时间的倒数；
根据所述适应度值将所述水稻个体分为保持系、恢复系和不育系；
将所述保持系中的水稻个体与所述不育系中的水稻个体进行杂交，得到第一最优子个体；
将所述恢复系中的水稻个体进行自交，得到第二最优子个体；
选取所述第一最优子个体和所述第二最优子个体中适应度值较高的个体作为第三最优子个体，所述第三最优子个体表示云计算资源调度的最优方案。
可选的，所述将所述保持系中的水稻个体与所述不育系中的水稻个体进行杂交，得到第一最优子个体，具体包括：
将所述保持系中的水稻个体与所述不育系中的水稻个体进行随机杂交，得到杂交个体，所述随机杂交表示所述保持系中的任一水稻个体与所述不育系中的任一水稻个体进行杂交，所述杂交个体的父本为对应的所述不育系中的水稻个体，所述杂交个体的母本为对应的所述保持系中的水稻个体；
选取所述随机杂交个体和所述随机杂交个体父本中适应度值较高的个体作为第一子个体；
选取适应度值最高的第一子个体作为第一最优子个体。
可选的，所述将所述保持系中的水稻个体与所述不育系中的水稻个体进行杂交，得到第一最优子个体，具体包括：
将所述保持系中的水稻个体与所述不育系中的水稻个体进行对应杂交，得到杂交个体，所述对应杂交表示所述保持系中的水稻个体与相对应的所述不育系中的水稻个体进行杂交，所述杂交个体的父本为对应的所述不育系中的水稻个体，所述杂交个体的母本为对应的所述保持系中的水稻个体；
选取所述随机杂交个体和所述随机杂交个体父本中适应度值较高的个体作为第一子个体；
选取适应度值最高的第一子个体作为第一最优子个体。
可选的，将所述恢复系中的水稻个体进行自交，得到第二最优子个体，具体包括：
将所述恢复系中的水稻个体进行自交，得到自交个体；
选取所述自交个体和所述恢复系中的水稻个体中适应度值较高的个体作为第二子个体；
选取适应度值最高的第二子个体作为第二最优子个体。
可选的，所述根据所述适应度值将所述水稻个体分为保持系、恢复系和不育系，具体包括：
根据所述适应度值从大到小的顺序，依次将所述水稻个体分为保持系、恢复系和不育系。
本发明还提供了一种基于杂交水稻算法的云计算资源调度系统，所述系统包括：
初始集合获取模块，用于获取初始集合，所述初始集合包括多个水稻个体，每个所述水稻个体表示一种云计算资源调度方案；
适应度值计算模块，用于计算每个所述水稻个体的适应度值，所述适应度值表示执行所述云计算资源调度方案的时间的倒数；
划分模块，用于根据所述适应度值将所述水稻个体分为保持系、恢复系和不育系；
第一最优子个体选取模块，用于将所述保持系中的水稻个体与所述不育系中的水稻个体进行杂交，得到第一最优子个体；
第二最优子个体选取模块，用于将所述恢复系中的水稻个体进行自交，得到第二最优子个体；
第三最优子个体选取模块，选取所述第一最优子个体和所述第二最优子个体中适应度值较高的个体作为第三最优子个体，所述第三最优子个体表示云计算资源调度的最优方案。
可选的，所述第一最优子个体选取模块，具体包括：
随机杂交单元，用于将所述保持系中的水稻个体与所述不育系中的水稻个体进行随机杂交，得到杂交个体，所述随机杂交表示所述保持系中的任一水稻个体与所述不育系中的任一水稻个体进行杂交，所述杂交个体的父本为对应的所述不育系中的水稻个体，所述杂交个体的母本为对应的所述保持系中的水稻个体；
第一选取单元，用于选取所述随机杂交个体和所述随机杂交个体父本中适应度值较高的个体作为第一子个体；
第二选取单元，用于选取适应度值最高的第一子个体作为第一最优子个体。
可选的，所述第一最优子个体选取模块，具体包括：
对应杂交单元，用于将所述保持系中的水稻个体与所述不育系中的水稻个体进行对应杂交，得到杂交个体，所述对应杂交表示所述保持系中的水稻个体与相对应的所述不育系中的水稻个体进行杂交，所述杂交个体的父本为对应的所述不育系中的水稻个体，所述杂交个体的母本为对应的所述保持系中的水稻个体；
第三选取单元，用于选取所述随机杂交个体和所述随机杂交个体父本中适应度值较高的个体作为第一子个体；
第四选取单元，用于选取适应度值最高的第一子个体作为第一最优子个体。
可选的，所述第二最优子个体选取模块，具体包括：
自交单元，用于将所述恢复系中的水稻个体进行自交，得到自交个体；
第五选取单元，用于选取所述自交个体和所述恢复系中的水稻个体中适应度值较高的个体作为第二子个体；
第六选取单元，用于选取适应度值最高的第二子个体作为第二最优子个体。
可选的，所述划分模块，具体包括：
划分单元，用于根据所述适应度值从大到小的顺序，依次将所述水稻个体分为保持系、恢复系和不育系。
与现有技术相比，本发明的有益效果是：
本发明提出了一种基于杂交水稻算法的云计算资源调度方法及系统，所述方法包括：获取初始集合，初始集合包括多个水稻个体，每个水稻个体表示一种云计算资源调度方案；计算每个水稻个体的适应度值，适应度值表示执行云计算资源调度方案的时间的倒数；根据适应度值将水稻个体分为保持系、恢复系和不育系；将保持系中的水稻个体与不育系中的水稻个体进行杂交，得到第一最优子个体；将恢复系中的水稻个体进行自交，得到第二最优子个体；选取第一最优子个体和第二最优子个体中适应度值较高的个体作为第三最优子个体，第三最优子个体表示云计算资源调度的最优方案。本发明采用杂交水稻算法实现对云计算资源的调度，克服了易陷入局部最优以及搜索速度慢的问题，能够提高云计算资源调度的效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例一种基于杂交水稻算法的云计算资源调度方法的流程图；
图2为本发明实施例一种基于杂交水稻算法的云计算资源调度系统的结构图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明实施例一种基于杂交水稻算法的云计算资源调度方法的流程图。
参见图1，实施例的基于杂交水稻算法的云计算资源调度方法，包括：
步骤S1：获取初始集合，所述初始集合包括多个水稻个体，每个所述水稻个体表示一种云计算资源调度方案。
步骤S2：计算每个所述水稻个体的适应度值，所述适应度值表示执行所述云计算资源调度方案的时间的倒数。
具体的，每个所述水稻个体的适应度值是依据云计算资源调度的目标函数得到的，目标函数通过以下方法得到：
云计算的资源调度模型采用一个5元组进行描述S＝{T,V,D,Mtv,Mvd}，其中V＝{v1,v2,...,vm}为资源集合，T＝{t1,t2,...,tm}为m个任务的集合，D＝{d1,d2,...,dm}为物理设备集合，Mtv为资源与物理设备之间的对应关系，Mvd为任务与资源之间的影射策略。
Mtv由计算中心根据用户任务进行分配，Mvd则需要使用调度器将资源调度到相应的物理设备上，所以，资源调度主要是解决资源到物理设备的调度。
假设某个任务ti经过Mvd映射到资源vj上，资源vj上分配任务被调度到物理设备dk上执行，根据资源和任务间的对应关系，任务ti经过资源传递后到达物理设备dk上执行的预期执行时间为ETC(ti,dk)，那么T对D的所有分配矩阵称为ETC矩阵，即有：
ETCmn＝ETC(ti,Mtv,dk)1≤i≤m,1≤k≤n
上式为一个执行时间矩阵，对应m个任务通过资源映射tiMtv后，在n个物理设备上的执行时间矩阵。
任务ti在物理设备dk上的最早完成时间为:
Finish(tiMtv,dk)＝Start(dk)+ETC(tiMtv,dk)
其中，Start(dk)表示物理设备dk可以执行的最早开始时间，则物理设备dk的上分配任务的总执行时间为：
其中
上式中，cik＝1表示任务ti最终映射到物理设备dk上执行。
所有任务T＝{t1,t2,...,tm}执行的总时间为：
云计算资源调度的目标是使得执行总时间total(T)为最小值，云计算资源调度的目标函数为：
依据上述目标函数，得到适应度值的计算公式如下：
其中，f表示适应度值，dk表示第k个物理设备，Sum(dk)表示第k个物理设备的执行时间，n表示物理设备的个数。
步骤S3：根据所述适应度值将所述水稻个体分为保持系、恢复系和不育系。
具体为，根据所述适应度值从大到小的顺序，依次将所述水稻个体从优到劣分为保持系、恢复系和不育系，其中设置水稻个体的总数为N，保持系、不育系占水稻个体总数N的比例均为a％，数量分别为A＝N×a/100，则恢复系占群体的比例为(100-2a)％，数量为N-2A。
步骤S4：将所述保持系中的水稻个体与所述不育系中的水稻个体进行杂交，得到第一最优子个体。
对于每一次育种，杂交过程进行的次数与不育系的个体数量相同。每一次杂交，将从不育系和保持系中各选取一个个体作为父本母本，选取方式可以随机选取也可以按一一对应的方式选取。杂交的方式是将父本与母本对应位置的基因按照随机权重相加进行重组而得到一个拥有新的基因的个体。计算新个体的适应度，并以贪心算法为准则将其与其父本母本中的不育系个体对比，将适应度较优的个体保留至下一代。具体为：
(1)随机杂交
将所述保持系中的水稻个体与所述不育系中的水稻个体进行随机杂交，得到随机杂交个体；所述随机杂交表示所述保持系中的任一水稻个体与所述不育系中的任一水稻个体进行杂交；所述随机杂交个体的父本为对应的所述不育系中的水稻个体，所述随机杂交个体的母本为对应的所述保持系中的水稻个体；
选取所述随机杂交个体和所述随机杂交个体父本中适应度值较高的个体作为第一子个体；
选取适应度值最高的第一子个体作为第一最优子个体。
随机杂交的计算公式如下：
式中表示该轮育种过程中第k次杂交产生的新个体的第j维基因，r1,r2为[-1,1]之间的随机数，且r1+r2≠0。a,b随机取自{1,2，…,A}，xAa表示不育系中的第a个个体，xBb表示保持系中的第b个个体。产生的新个体的基因的每一维都由不育系和保持系中的随机个体以随机比例杂交得到。
(2)对应杂交
将所述保持系中的水稻个体与所述不育系中的水稻个体进行对应杂交，得到对应杂交个体；所述对应杂交表示所述保持系中的水稻个体与相对应的所述不育系中的水稻个体进行杂交；所述对应杂交个体的父本为对应的所述不育系中的水稻个体，所述对应杂交个体的母本为对应的所述保持系中的水稻个体；
选取所述随机杂交个体和所述随机杂交个体父本中适应度值较高的个体作为第一子个体；
选取适应度值最高的第一子个体作为第一最优子个体。
对应杂交的计算公式如下：
式中a＝b＝k，xAa表示不育系中的第a个个体，xBb表示保持系中的第b个个体。产生的新个体的基因的每一维都由不育系的第k个个体与保持系中的第k个个体以随机比例杂交得到。
步骤S5：将所述恢复系中的水稻个体进行自交，得到第二最优子个体。具体为：
将所述恢复系中的水稻个体进行自交，得到自交个体；
选取所述自交个体和所述恢复系中的水稻个体中适应度值较高的个体作为第二子个体；
选取适应度值最高的第二子个体作为第二最优子个体。
本实施例的育种过程中，自交进行的次数与恢复系的个体数量相同。每一次自交，参与自交的恢复系个体各个位置上的基因都会向着当前最优解靠近一个随机量。计算新的个体的适应度并根据贪心算法与自交之前的恢复系个体相比，选择较优的保存到下一代。若保存到下一代的个体为自交之前的个体那么该个体的自交次数将加1。如果保存到下一代的个体为自交产生的新个体，若新个体优于当前最优个体，则将其自交次数设置为0，否则保持其自交次数不变。若某个恢复系个体的自交次数达到了限制次数max Time，那么在下一轮育种过程中它将不参与自交过程，取而代之的是重置过程。
自交的计算公式如下：
new_Xk＝XSk+rand(0,1)(Xbest-XSr)
式中new_Xk表示该轮育种过程中第k次自交产生的新个体，XSk表示恢复系中的第k个个体，Xbest表示当前所找到的最优个体，XSr为恢复系中的第r个个体，其中r随机取值于{1,2，…,N-2A}。
当恢复系个体达到自交次数上限时，进行重置，重置过程将在解空间内随机生成一组基因，并将这组基因加到参与重置的个体的基因上，同时其自交次数将被设置为0，计算公式如下：
其中j∈{1,2,...,D-1,D}，式中表示该轮育种过程中第k次自交产生的新个体的第j维分量，maxxj,minxj分别表示搜索空间第j维分量的最大值与最小值。表示恢复系中第k个个体的第j维分量，按照以上过程重复进行多轮育种，直到操作到最大育种代数max Iteration或小于优化误差时停止。
步骤S6：选取所述第一最优子个体和所述第二最优子个体中适应度值较高的个体作为第三最优子个体，所述第三最优子个体表示云计算资源调度的最优方案。
本实施例中的基于杂交水稻算法的云计算资源调度方法，利用每个水稻个体表示一种云计算资源调度方案，通过杂交水稻算法实现对云计算资源的调度，克服了易陷入局部最优以及搜索速度慢的问题，能够在保证网络服务质量的前提下，提高云计算资源调度的效率；该方法还能够对云计算资源做出实时的调度安排，决策出最佳的资源构建和调整策略；并且由于云计算耗能很高，不利于环保，采用杂交水稻算法实现对云计算资源的调度，能够大大降低能耗。
本发明还提供了一种基于杂交水稻算法的云计算资源调度系统，图2为本发明实施例一种基于杂交水稻算法的云计算资源调度系统的结构图。
参见图2，实施例的基于杂交水稻算法的云计算资源调度系统20，包括：
初始集合获取模块201，用于获取初始集合，所述初始集合包括多个水稻个体，每个所述水稻个体表示一种云计算资源调度方案。
适应度值计算模块202，用于计算每个所述水稻个体的适应度值，所述适应度值表示执行所述云计算资源调度方案的时间的倒数。
划分模块203，用于根据所述适应度值将所述水稻个体分为保持系、恢复系和不育系。
所述划分模块203，具体包括：
划分单元，用于根据所述适应度值从大到小的顺序，依次将所述水稻个体分为保持系、恢复系和不育系。
第一最优子个体选取模块204，用于将所述保持系中的水稻个体与所述不育系中的水稻个体进行杂交，得到第一最优子个体。
所述第一最优子个体选取模块204，具体包括：
随机杂交单元，用于将所述保持系中的水稻个体与所述不育系中的水稻个体进行随机杂交，得到杂交个体，所述随机杂交表示所述保持系中的任一水稻个体与所述不育系中的任一水稻个体进行杂交，所述杂交个体的父本为对应的所述不育系中的水稻个体，所述杂交个体的母本为对应的所述保持系中的水稻个体。
第一选取单元，用于选取所述随机杂交个体和所述随机杂交个体父本中适应度值较高的个体作为第一子个体。
第二选取单元，用于选取适应度值最高的第一子个体作为第一最优子个体。
对应杂交单元，用于将所述保持系中的水稻个体与所述不育系中的水稻个体进行对应杂交，得到杂交个体，所述对应杂交表示所述保持系中的水稻个体与相对应的所述不育系中的水稻个体进行杂交，所述杂交个体的父本为对应的所述不育系中的水稻个体，所述杂交个体的母本为对应的所述保持系中的水稻个体；
第三选取单元，用于选取所述随机杂交个体和所述随机杂交个体父本中适应度值较高的个体作为第一子个体；
第四选取单元，用于选取适应度值最高的第一子个体作为第一最优子个体。
第二最优子个体选取模块205，用于将所述恢复系中的水稻个体进行自交，得到第二最优子个体。
所述第二最优子个体选取模块205，具体包括：
自交单元，用于将所述恢复系中的水稻个体进行自交，得到自交个体；
第五选取单元，用于选取所述自交个体和所述恢复系中的水稻个体中适应度值较高的个体作为第二子个体；
第六选取单元，用于选取适应度值最高的第二子个体作为第二最优子个体。
第三最优子个体选取模块206，选取所述第一最优子个体和所述第二最优子个体中适应度值较高的个体作为第三最优子个体，所述第三最优子个体表示云计算资源调度的最优方案。
本实施例中的基于杂交水稻算法的云计算资源调度系统，利用每个水稻个体表示一种云计算资源调度方案，通过杂交水稻算法实现对云计算资源的调度，克服了易陷入局部最优以及搜索速度慢的问题，能够在保证网络服务质量的前提下，提高云计算资源调度的效率；该系统还能够对云计算资源做出实时的调度安排，决策出最佳的资源构建和调整策略；并且由于云计算耗能很高，不利于环保，采用杂交水稻算法实现对云计算资源的调度，能够大大降低能耗。
对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。