CN110309983A - 一种工业云服务资源调度匹配组合方法 - Google Patents

Abstract

本发明公开了一种工业云服务资源调度匹配组合方法，包括如下步骤：S1、获取候选服务组合方案，每个候选服务组合包括若干个任务，每个候选服务组合中的每个任务选定了一个候选服务，任意两个候选服务组合中至少有一个任务对应的候选服务不同；S2、获取候选服务间的质量约束条件，基于候选服务间的质量约束条件计算各候选服务组合的适应值；S3、选择适应值最高的候选服务组合作为最终的服务组合。本发明充分考虑了不同任务之间的候选服务的相互影响，从而能够更加准确的计算出各种候选服务组合的适应值，从而匹配得到最优的服务组合。

Description

一种工业云服务资源调度匹配组合方法

技术领域

本发明涉及资源调度技术领域，具体涉及一种工业云服务资源调度匹配组合方法。

背景技术

云服务之间存在潜在的业务相关性，这使得搜索与组合变得困难。例如，机票预订服务如果通过某些特定银行的信用卡付款，根据他们之间的协议，收取的费用更少，或者制造商可能只选择与某些物流公司合作，而不是与所有的物流公司合作。因此，这种协作相关驱动的最优服务选择问题并不简单。采用不同的数学模型和算法，对服务组合的最优服务选择问题进行了大量的研究。然而，这些方法中的大多数都假定组合中涉及的服务彼此独立，因此无法在实际中解决上述业务相关性问题。

为了描述业务约束服务选择问题，用机票预订的流程来进行说明。用户选择航空公司预订平台，选择适合的航班，然后选择支付方式，航程结束后平台选择某家物流公司寄送发票。在图1所示的案例中，不同的任务是由不同的任务主体去完成，比如，物流服务是由不同的物流公司管理的。用户在选择物流运营商时并不需要关心如何在内部运营，包括提货和运输，他们只关心总体运输速度，这将影响到他们的购物体验。如图1所示，机票预订平台与支付机构有协同合作关系，即给予用户一定的折扣，使得在优化服务组合方面，在各个服务组合实例内的相同候选服务的QoS值各有不同。

然而，现有技术中并不会考虑不同任务之间的候选服务的相互影响，因此，最终得到的整体的适应值并不准确，不利于向客户推荐最优的服务组合。

发明内容

针对上述现有技术的不足，本发明提出了一种工业云服务资源调度匹配组合方法，充分考虑了不同任务之间的候选服务的相互影响，从而能够更加准确的计算出各种候选服务组合的适应值，从而匹配得到最优的服务组合。

本发明采用了如下的技术方案：

一种工业云服务资源调度匹配组合方法，包括如下步骤：

S1、获取候选服务组合方案，每个候选服务组合包括若干个任务，每个候选服务组合中的每个任务选定了一个候选服务，任意两个候选服务组合中至少有一个任务对应的候选服务不同；

S2、获取候选服务间的质量约束条件，基于候选服务间的质量约束条件计算各候选服务组合的适应值；

S3、选择适应值最高的候选服务组合作为最终的服务组合。

优选地，候选服务间的质量约束条件包括以下两种质量约束条件中的任意一种或两种；

第一种质量约束条件为：候选服务组合中，第a个任务的第b个候选服务S_a,b被选中，且第c个任务的第d个候选服务S_c,d被选中，则候选服务S_a,b的第r个QoS值q_r(S_a,b)基于第一预设改变规则更新；

第二种质量约束条件为：候选服务组合中，第a’个任务的第b’个候选服务S_a’,b’被选中，且第c’个任务的第d’个候选服务S_c’,d’被选中，且候选服务S_c’,d’的第r’个QoS值q_r’(S_c’,d’)符合预设更新条件，则候选服务S_a,b的第r”个QoS值q_r”(S_a’,b’)基于第二预设改变规则更新。

优选地，基于公式(1)至(5)中任意一个计算候选服务组合的初始适应值，公式(1)至(5)如下：

式中：分别为第i个候选服务组合中选定的候选服务QoS值计算方法分别为加法、乘法、最大值、最小值、平均数时，第i个候选服务组合的初始适应值，g_k表示候选服务的第k个QoS属性取值，q_k表示候选服务的第k个属性，Q+表示候选服务的QoS属性中需要进行求和运算的属性，Q*表示候选服务的QoS属性中需要进行乘积运算的属性，Qmax表示候选服务的QoS属性中需要进行取最大值运算的属性，Qmin表示候选服务的QoS属性中需要进行取最小值运算的属性，Qavg表示候选服务的QoS属性中需要进行求平均值运算的属性，w_k表示第k个QoS值的权重；

若满足第一预设条件，则将初始适应值作为各候选服务组合的适应值，否则，对初始适应值进行更新得到各候选服务组合的适应值。

优选地，对初始适应值进行更新的方法包括：

S100、选择任意一个候选服务组合的初始适应值，基于公式x'_i＝x_i+s_i·randn(D)计算新的初始适应值，式中，x'_i表示新的初始适应值，x_i表示旧的初始适应值，且x_i属于或中的任意一个，s_i表示步长，randn(D)表示随机数，执行S200；

S200、若x'_i大于x_i，则以x'_i作为新的x_i，执行S300；

S300、计算x_i对应的动态发现概率P_a，若P_a小于预设发现概率r_i，则执行S400，否则执行S600；

S400、基于公式计算共享适应值x”_i，式中，sh_i,j表示第i个候选服务组合与第j个候选服务组合的共享值，n表示候选服务组合的总个数，执行S500；

S500、基于公式x”'_i＝x_i+(x_r1-x_r2)·randn(D)计算x_i对应的新的适应值，式中，x”'_i表示新的适应值，x_r1与x_r2为任意两个候选服务组合的适应值，执行S600；

S600、若x”'_i大于x”_i，则以x”'_i作为新的x_i，执行S600；

S700、若满足迭代终止条件，则以各候选服务组合当前的初始适应值作为其适应值，否则，返回S100。

综上所述，本发明公开了一种工业云服务资源调度匹配组合方法，包括如下步骤：S1、获取候选服务组合方案，每个候选服务组合包括若干个任务，每个候选服务组合中的每个任务选定了一个候选服务，任意两个候选服务组合中至少有一个任务对应的候选服务不同；S2、获取候选服务间的质量约束条件，基于候选服务间的质量约束条件计算各候选服务组合的适应值；S3、选择适应值最高的候选服务组合作为最终的服务组合。本发明充分考虑了不同任务之间的候选服务的相互影响，从而能够更加准确的计算出各种候选服务组合的适应值，从而匹配得到最优的服务组合。

附图说明

为了使发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步的详细描述，其中：

图1是现有技术中服务组合的任务组成示意图；

图2及图3是本发明中考虑候选服务之间联系的服务组合的任务组成示意图。

具体实施方式

下面结合附图对本发明作进一步的详细说明。

本发明公开了一种工业云服务资源调度匹配组合方法，包括如下步骤：

S1、获取候选服务组合方案，每个候选服务组合包括若干个任务，每个候选服务组合中的每个任务选定了一个候选服务，任意两个候选服务组合中至少有一个任务对应的候选服务不同；

S2、获取候选服务间的质量约束条件，基于候选服务间的质量约束条件计算各候选服务组合的适应值；

S3、选择适应值最高的候选服务组合作为最终的服务组合。

如图2所示，任务t₁中的候选服务s_1,1和任务t₂中的候选服务s_2,1及s_2,2均具有质量约束关系(图中候选服务之间的箭头连线即表示质量约束关系)。

由此可知，不同任务之间存在相互协同作用，然而现有技术中，在进行任务组合推荐时，通常不会考虑不同候选服务之间的质量约束关系，则会导致得出的最优组合不准确。

而本发明充分考虑了不同任务之间的候选服务的相互影响，从而能够更加准确的计算出各种候选服务组合的适应值，从而匹配得到最优的服务组合。

具体实施时，候选服务间的质量约束条件包括以下两种质量约束条件中的任意一种或两种；

第一种质量约束条件为：候选服务组合中，第a个任务的第b个候选服务S_a,b被选中，且第c个任务的第d个候选服务S_c,d被选中，则候选服务S_a,b的第r个QoS值q_r(S_a,b)基于第一预设改变规则更新；

第二种质量约束条件为：候选服务组合中，第a’个任务的第b’个候选服务S_a’,b’被选中，且第c’个任务的第d’个候选服务S_c’,d’被选中，且候选服务S_c’,d’的第r’个QoS值q_r’(S_c’,d’)符合预设更新条件，则候选服务S_a,b的第r”个QoS值q_r”(S_a’,b’)基于第二预设改变规则更新。

本发明中QoS值变更是根据实际使用情况来决定的，或从服务描述信息中挖掘。

在实际执行过程中，流程中的每个抽象任务都动态配置实例服务来实现任务的功能。为了描述质量约束驱动的服务组合模型，我们使用典型工业设备故障预测的流程进行说明。核心流程是如图3所示，假设它是由五个关键的抽象任务组成，即数据预处理，数据传输，数据分析，故障诊断和可视化分析。

对于每个抽象任务，都有一组具体的候选服务，可以实现相同的功能但却具有不同的QoS值，且这些具有相同功能的服务数量会随着时间增长呈指数级增加，那么，在这些众多的候选服务中选择符合用户要求的服务，会越来越难。例如，假设复合服务由x个抽象任务组成，每个抽象任务都有y个候选服务，那么问题的搜索空间的大小为xy。此外，候选服务之间可能存在质量约束，使得搜索全局最优解决方案变得更加困难。

质量约束在于组合服务中不同任务的候选服务之间的关联性，可将这种关联关系简化为两种条件：

(1)当两个候选服务S_a,b及S_c,d同时选中时，其中一个服务S_a,b的第r个QoS值q_r(S_a,b)会发生改变。

(2)当两个候选服务S_a,b及S_c,d同时选中时，且候选服务S_c’,d’的第r’个QoS值q_r’(S_c’,d’)符合预设更新条件，候选服务S_a,b的第r”个QoS值q_r”(S_a’,b’)会更改为其他取值。

因此，在本发明中，基于候选服务间的质量约束条件计算各候选服务组合的适应值，需要先根据候选服务组合中存在的质量约束条件对候选服务的QoS值进行更新，之后再计算候选服务组合的适应值。

具体实施时，基于公式(1)至(5)中任意一个计算候选服务组合的初始适应值，公式(1)至(5)如下：

式中：分别为第i个候选服务组合中选定的候选服务QoS值计算方法分别为加法、乘法、最大值、最小值、平均数时，第i个候选服务组合的初始适应值，g_k表示候选服务的第k个QoS属性取值，q_k表示候选服务的第k个属性，Q+表示候选服务的QoS属性中需要进行求和运算的属性，Q*表示候选服务的QoS属性中需要进行乘积运算的属性，Qmax表示候选服务的QoS属性中需要进行取最大值运算的属性，Qmin表示候选服务的QoS属性中需要进行取最小值运算的属性，Qavg表示候选服务的QoS属性中需要进行求平均值运算的属性，w_k表示第k个QoS值的权重；

若满足第一预设条件，则将初始适应值作为各候选服务组合的适应值，否则，对初始适应值进行更新得到各候选服务组合的适应值。

本发明中，候选服务组合的适应值，就是候选服务组合中选定的候选服务的QoS值的聚合值。计算方式可采用加法、乘法、最大值、最小值及平均值等方法进行计算。

具体实施时，对初始适应值进行更新的方法包括：

S100、选择任意一个候选服务组合的初始适应值，基于公式x'_i＝x_i+s_i·randn(D)计算新的初始适应值，式中，x'_i表示新的初始适应值，x_i表示旧的初始适应值，且x_i属于或中的任意一个，s_i表示步长，randn(D)表示随机数，执行S200；

s_i表示x_i对应的步长，它可以使用两个服从高斯分布的变量u_i和v_i来计算，采用公式计算，式中，v_i＝randn(D)，randn(D)函数生成服从高斯分布的位于[1,D]区间的随机数，x_best表示历史最佳候选服务组合方式，λ是常数。

S200、若x'_i大于x_i，则以x'_i作为新的x_i，执行S300；

S300、计算x_i对应的动态发现概率P_a，若P_a小于预设发现概率r_i，r_i表示的发现概率是介于[0,1]区间的随机值，则执行S400，否则执行S600；

动态发现概率基于公式式中P_amax表示动态发现概率的最大值，P_amin表示动态发现概率的最小值，t_max表示最大迭代次数。

S400、基于公式计算共享适应值x”_i，式中，sh_i,j表示第i个候选服务组合与第j个候选服务组合的共享值，n表示候选服务组合的总个数，执行S500；

分母代表解(候选服务组合的适应值)在其搜索空间中的拥挤程度。通过使用共享适应值，高度相似的个体不会进入下一次迭代。sh_i,j表示两个解之间的共享值，它取决于解之间的距离和共享半径，取σ_share为共享半径，第i个候选服务组合与第j个候选服务组合的共享值基于公式计算，其中，d_i,j表示第i个候选服务组合的适应值与第j个候选服务组合的适应值之间的距离，为两个具体任务流程中相同位置sh_i,j的不同候选服务的数量：

式中，taskNum表示服务组合中的任务数，QCL_i[t]表示第i个候选服务组合中第t个任务，QCL_j[t]表示第j个候选服务组合中第t个任务。

例如，有三个候选服务组合，QCL_i、QCL_j和QCL_h，它们的每个任务选定的候选服务分别为[3,6,11,7,9]，[3,5,11,7,9]和[4,5,5,6,9]，设它们的适应值分别为0.6、0.8、0.9。则，d_i,i＝0，d_i,j＝1，d_i,h＝4。假设σ_share＝2，两个不同解组间的共享值：sh_i,i＝1，sh_i,j＝0.5，sh_i,h＝0。那么，x”_i＝0.4，x”_j＝0.53，x”_h＝0.6。若一个解周围有许多邻近的解，那么它的共享适应值会变得很小，这样就增加了它被新的解替代的几率，增加服务组合多样性，扩大搜索空间。

S500、基于公式x”'_i＝x_i+(x_r1-x_r2)·randn(D)计算x_i对应的新的适应值，式中，x”'_i表示新的适应值，x_r1与x_r2为任意两个候选服务组合(随机选取的两个解)的适应值，执行S600；

S600、若x”'_i大于x”_i，则以x”'_i作为新的x_i，执行S600；

S700、若满足迭代终止条件，则以各候选服务组合当前的初始适应值作为其适应值，否则，返回S100。

在本发明中，迭代终止条件可以是一共完成了预设次数的迭代，也可以是每一个候选服务组合均参与了一次迭代，终止条件可根据实际需要进行设定。

动态概率P_a的选择会影响最优解的搜索，P_a值过大，较好的解会很难收敛到最优值；P_a值过小，可能会陷入局部最优。动态发现概率根据迭代次数进行调整，在增加迭代次数的同时，P_a也随之增加。迭代开始初期，发现概率P_a的值足够小，才能增加早期解决方案的多样性；在后期的迭代中，P_a增大，被抛弃的解数量减少，加快了收敛速度，以保证收敛速度和全局寻优结果之间能有更好的平衡。

将小生境技术中的适应值共享法应用于布谷鸟搜索算法中，具有较高相似度的解会被新的解替代，从而可以保持种群的多样性，使算法能够探索更多的搜索空间，从而避免过早收敛。

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管通过参照本发明的优选实施例已经对本发明进行了描述，但本领域的普通技术人员应当理解，可以在形式上和细节上对其作出各种各样的改变，而不偏离所附权利要求书所限定的本发明的精神和范围。

Claims (4)

1.一种工业云服务资源调度匹配组合方法，其特征在于，包括如下步骤：

S1、获取候选服务组合方案，每个候选服务组合包括若干个任务，每个候选服务组合中的每个任务选定了一个候选服务，任意两个候选服务组合中至少有一个任务对应的候选服务不同；

S2、获取候选服务间的质量约束条件，基于候选服务间的质量约束条件计算各候选服务组合的适应值；

S3、选择适应值最高的候选服务组合作为最终的服务组合。

2.如权利要求1所述的工业云服务资源调度匹配组合方法，其特征在于，候选服务间的质量约束条件包括以下两种质量约束条件中的任意一种或两种；

第一种质量约束条件为：候选服务组合中，第a个任务的第b个候选服务S_a,b被选中，且第c个任务的第d个候选服务S_c,d被选中，则候选服务S_a,b的第r个QoS值q_r(S_a,b)基于第一预设改变规则更新；

第二种质量约束条件为：候选服务组合中，第a’个任务的第b’个候选服务S_a’,b’被选中，且第c’个任务的第d’个候选服务S_c’,d’被选中，且候选服务S_c’,d’的第r’个QoS值q_r’(S_c’,d’)符合预设更新条件，则候选服务S_a,b的第r”个QoS值q_r”(S_a’,b’)基于第二预设改变规则更新。

3.如权利要求2所述的工业云服务资源调度匹配组合方法，其特征在于，基于公式(1)至(5)中任意一个计算候选服务组合的初始适应值，公式(1)至(5)如下：

式中：分别为第i个候选服务组合中选定的候选服务QoS值计算方法分别为加法、乘法、最大值、最小值、平均数时，第i个候选服务组合的初始适应值，g_k表示候选服务的第k个QoS属性取值，q_k表示候选服务的第k个属性，Q+表示候选服务的QoS属性中需要进行求和运算的属性，Q*表示候选服务的QoS属性中需要进行乘积运算的属性，Qmax表示候选服务的QoS属性中需要进行取最大值运算的属性，Qmin表示候选服务的QoS属性中需要进行取最小值运算的属性，Qavg表示候选服务的QoS属性中需要进行求平均值运算的属性，w_k表示第k个QoS值的权重；

若满足第一预设条件，则将初始适应值作为各候选服务组合的适应值，否则，对初始适应值进行更新得到各候选服务组合的适应值。

4.如权利要求3所述的工业云服务资源调度匹配组合方法，其特征在于，对初始适应值进行更新的方法包括：

S100、选择任意一个候选服务组合的初始适应值，基于公式x'_i＝x_i+s_i·randn(D)计算新的初始适应值，式中，x'_i表示新的初始适应值，x_i表示旧的初始适应值，且x_i属于或中的任意一个，s_i表示步长，randn(D)表示随机数，执行S200；

S200、若x'_i大于x_i，则以x'_i作为新的x_i，执行S300；

S300、计算x_i对应的动态发现概率P_a，若P_a小于预设发现概率r_i，则执行S400，否则执行S600；

S400、基于公式计算共享适应值x”_i，式中，sh_i,j表示第i个候选服务组合与第j个候选服务组合的共享值，n表示候选服务组合的总个数，执行S500；

S500、基于公式x”'_i＝x_i+(x_r1-x_r2)·randn(D)计算x_i对应的新的适应值，式中，x”'_i表示新的适应值，x_r1与x_r2为任意两个候选服务组合的适应值，执行S600；

S600、若x”'_i大于x”_i，则以x”'_i作为新的x_i，执行S600；

S700、若满足迭代终止条件，则以各候选服务组合当前的初始适应值作为其适应值，否则，返回S100。