工作流任務調(diào)度多目標優(yōu)化.pdf

1、工作流是指部分或者整個業(yè)務過程在計算機支持下的全自動或者半自動。工作流關注的核心是過程，它提煉出信息處理的過程，然后研究其性質(zhì)、結(jié)構(gòu)和實現(xiàn)等。其主要解決的問題是能夠自動執(zhí)行多個參與者之間根據(jù)預定義的規(guī)則傳遞文檔、信息或者任務的過程，從而達到某個預期的業(yè)務目標，或者是促進該目標的完成。近年來，工作流任務調(diào)度優(yōu)化問題一直是工作流研究的熱點，如果對工作流任務調(diào)度有一個高效的調(diào)度算法，將大大地改善服務質(zhì)量。
　　在工作流調(diào)度中，不同的任務

2、被分配給不同的資源（例如虛擬機）。工作流調(diào)度是由云代理商進行決策的，其功能作為云用戶工作流應用和云提供商的數(shù)據(jù)中心之間的中間人。調(diào)度算法就是代理商用來發(fā)現(xiàn)工作流任務和云資源間的最優(yōu)映射。工作流調(diào)度算法的作用是要找到滿足用戶目標的調(diào)度。用戶們在SLA（服務水平協(xié)議）文件上定義他們的目標，該文件是在一個云用戶和一個云服務提供商之間簽署的。云服務提供商可能需要滿足用戶多目標例如成本優(yōu)化、完成時間優(yōu)化、可靠性、最后期限約束、預算約束等等，找到最

3、優(yōu)的調(diào)度來滿足用戶的目標就是調(diào)度算法的作用。
　　首先，本文對工作流任務調(diào)度多目標優(yōu)化問題進行了詳細闡述，分析了當前對該問題所進行的研究現(xiàn)狀。本文對負載均衡、數(shù)據(jù)處理時間總和、傳輸?shù)臄?shù)據(jù)量、傳輸所花費的時間優(yōu)化問題建立了模型和分析，粒子群算法作為現(xiàn)代多目標優(yōu)化算法的代表之一，本身具有很多優(yōu)點，對于其容易陷入局部最優(yōu)這一缺點，文章也學習現(xiàn)有優(yōu)秀的改善措施進行了優(yōu)化，這樣本文就給出了基于粒子群算法的工作流調(diào)度多目標優(yōu)化方法。
　

4、　其次，本文根據(jù)該問題還提出了一個新的啟發(fā)式方法NHMFTS，該方法的執(zhí)行過程需要多次迭代，每次迭代都有具體的策略執(zhí)行，而迭代次數(shù)和任務數(shù)量相同，這樣整個方法的執(zhí)行占用可預估的很少時間。本文還結(jié)合NHMFTS和PSO的優(yōu)勢，將兩個方法融合為一種綜合性的方法。
　　最后，文章對上面所提出的方法進行了實現(xiàn)以及模擬實驗，結(jié)合得到的實驗數(shù)據(jù)進行了分析、對比等，同時說明了本文提出的一種新方法NHMFTS，可以在一定條件下，很大的節(jié)省了時間，