科创中国

电子信息技术

本发明公开了一种多目标任务调度方法及系统，通过利用模糊聚类算法对任务以及虚拟机分别进行模糊聚类处理，且通过将获得的任务聚类集合与虚拟 机聚类集合进行匹配，获得匹配集合，采用差分进化算法，将匹配集合内的任务调度到匹配集合内的虚拟机，获得初始调度结果，根据初始调度结果中虚拟机的负载值， 将虚拟机分为重负载集合、均衡负载集合以及轻负载集合，从重负载集合中选择需要重调度的任务集，获得重调度任务集以及采用 Q 值算法，将重调度任务集中的任务调度到轻负载集合中的虚拟机，解决了采用传统任务调度算法获得的调度策略不佳的技术问题，通过利用 Q 值法进行局部资源任务重新分配，实现了全局资源的负载均衡，提高资源利用率和企业投资回报率。

用户提交给云平台的任务的规模和数量十分庞大，并且多个用户提交的任务之间 不存在约束关系，任务以并行的形式存在，把这些数量庞大的任务如何合理地分配到 海量的资源节点中执行是一个困难和复杂过程。云任务调度属于多目标组合优化问题， 受多种因素的共同影响，传统任务调度算法往往只是实现调度过程中单一目标的优化， 并且算法本身在处理数量较大的任务时会存在一定的不足，因此所得出的调度策略的 结果方案不够理想。 在云计算环境下，用户和云服务提供者的目标是各不相同的。用户更多关注任务完成时间，而云服务提供者常更加关注于资源的利用率、任务执行成本以及能耗等方面。因此，如何将任务调度到合适的资源去执行并同时满足在云环境下各方的需求是一个值得研究的问题。

周舟,工学博士，副教授，2017年6月获得中南大学博士学位。2018年起在湖南大学从事博士后研究工作。研究方向涉及云计算，边缘计算，并行与分布式计算等。主持省部级科研项目4项（包括湖南省自然科学基金，中国博士后科学基金，湖南省教育厅优秀青年项目），以第一作者《IEEE Transactions on Industrial Informatics》,《IEEE Transactions on Green Communications and Networking》，《IEEE Transactions on Sustainable Computing 》《ACM Transactions on Asian and Low-Resource Language Information Processing》, 《Future Generation Computer Systems》等期刊上发表SCI检索论文21篇，申请/获得授权的国家发明专利10项，出版个人专著1本，主编省级规划教材2部。