CN111311072A - 一种变粒度任务分解方法 - Google Patents

Abstract

本发明公开了一种变粒度任务分解方法，首先，通过任务形式化描述的方式分析任务内部结构，构建出任务描述的元模型；其次，提出了“三度”(子任务粒度、子任务关联度和资源均衡度)综合的任务分解方法；本发明考虑了活动单元的交互度和重现度、子任务之间的关联度以及子任务与资源的匹配关系，提供了一个可变粒度的任务分解优化方法。

Description

一种变粒度任务分解方法

技术领域

本发明公开了一种变粒度任务分解方法，属于计算机科学、管理科学与工程、系统工程、控制论与数学等领域的综合应用技术领域。

背景技术

近年来，随着计算机及互联网的日益普及，文本、图像、语音、视频等数据的复杂度大幅增加，呈现出多样化趋势。作为计算机科学、控制论与数学等领域的一项综合应用，实现复杂任务的合理粒度分解可以提高任务执行效率，对实现整项工作的顺利开展具有重要意义。在任务分解过程中，子任务粒度大小、子任务关联度大小和资源均衡度大小是影响任务分解结果的主要因素。目前，关于任务分解方面的研究工作集中于定性分析或从单因素角度定量分析判断，对子任务粒度，子任务之间的关联度以及子任务与资源分布的均衡度等因素缺乏定量分析基础，没有从系统综合的角度建立完整的任务分解模型。

发明内容

本发明的目：针对上述现有技术存在的问题和不足，本发明的目的是提供一种变粒度任务分解方法。

技术方案：本发明公开了一种变粒度任务分解方法，包括以下步骤：

步骤1：依据任务自身特点对原任务进行初步分解，得到初始子任务集T₁；

步骤2：根据子任务粒度阈值条件，对子任务进行子任务粒度大小分析：若不满足子任务粒度阈值条件，执行步骤3；若满足，执行步骤4；

步骤3：将不满足子任务粒度阈值条件的子任务进行进一步分解，得到分解后的子任务，并执行步骤2；

步骤4：根据子任务关联度阈值条件，对各子任务之间的子任务关联度进行分析：若不满足关联度阈值条件，执行步骤5；若满足，则得到子任务集T₃并执行步骤6；

步骤5：将不满足关联度阈值条件对应的两个子任务进行合并，得到合并后的子任务，将合并后的子任务执行步骤2；

步骤6：根据子任务资源均衡度阈值条件，对子任务集T₃进行资源均衡度分析：若不满足子任务资源均衡度阈值条件，则执行步骤7；若满足，则得到最终的分解结果；

步骤7：将子任务集T₃中的子任务进行重新组合，而后执行步骤2。

进一步的，在对原任务进行初步分解之前，将原任务进行形式化描述为一个六元组(任务名称、任务编号、活动单元名称、活动单元编号、活动单元关系集、资源调度综合开销指数)。

进一步的，将初始子任务集T₁中的每个子任务用一个二元组{活动单元集，活动单元关系集}来表示，所述活动单元集是子任务中有限个活动单元的集合，所述活动单元关系集是描述活动单元约束关系的集合。

进一步的，所述步骤2中，

根据式(3)计算得到子任务粒度l；

式中，F_k代表子任务t_k内活动单元交互度，通过活动单元关系集之间的交集计算得到；G_k代表子任务t_k内活动单元重现度，通过活动单元关系集中重复出现的活动单元与所有活动单元数量的比值计算得到；N为子任务集合中子任务的数量。

进一步的，根据式(1)计算得到活动单元交互度F_k：

进一步的，根据式(2)计算得到活动单元重现度G_k：

进一步的，根据式(5)计算子任务之间的子任务关联度r；

式中，N为子任务集合中子任务的数量，t_i,t_j(i,j＝1,2,...,N&i≠j)为子任务集合中任意两个子任务，R_i为子任务t_i中的活动单元关系集，R_j为子任务t_j中的活动单元关系集，m_ij为活动单元关系集之间的信息交互度，若存在信息交互，则m_ij取1，反之取0。

进一步的，根据式(6)和式(7)计算子任务集的资源均衡度z：

式中，z_k为第k个子任务的资源均衡度，A_k为第k个子任务的活动单元集，|A_k|为A_k中元素的个数；设A_ku,A_kv为A_k中任意两个活动单元，D_ku,D_kv(u,v＝1,2,...,|A_k|&u≠v)为A_ku,A_kv所需资源的综合调度开销指数。

有益效果：本发明与现有技术相比，在传统的定性任务分解方法的基础上建立了“三度”(子任务粒度，子任务关联度，资源均衡度)综合的量化模型，共同形成了一种可变粒度的任务分解方法，具有以下优点：

(1)通过建立包含活动单元和资源开销的任务描述元模型，采用任务描述元模型来描述了任务的内部结构，使任务内部结构以及任务与资源的匹配关系更加清晰；

(2)与传统的定性任务分解方法相比，通过分析了子任务内部活动单元的交互度和重现度，描述了活动单元之间结合的紧密性，构建子任务粒度模型，对子任务内部的聚合程度进行了合理分析；

(3)与传统的定性任务分解方法相比，通过分析子任务之间的关联程度，构建子任务关联度模型，对子任务之间的活动单元交互程度进行了合理分析；

(4)与传统的定性任务分解方法相比，通过分析资源分布的位置特点，构建资源均衡度模型，对资源调度的综合开销进行了合理分析；

(5)本发明的分解方法增强了子任务分解的科学性与合理性，大大提高了任务执行的效率。

附图说明

图1为本发明变粒度任务分解的总体结构图；

图2为四种任务活动约束结构图；

图3为变粒度任务分解流程图；

图4为初始任务网络图；

图5为依据任务自身特点初步分解得到的子任务集T₁的网络图；

图6为将T₁进一步分解，得到新的子任务集T₂＝{t′₁,t″₁,t₂,t′₃,t″₃″,t″′₃,t′₄,t″₄，t₅}的网络图；

图7为对子任务集T₂中的子任务重新组合之后得到的子任务集T₃的任务分解网络图；

图8为重新编号之后得到的最终子任务集T^*的网络图。

具体实施方式

现结合附图和实施例进一步阐述本发明的技术方案。

图3为本发明中变粒度任务分解方法的整体流程图，该方法综合考虑了子任务粒度、子任务关联度和资源均衡度这几个定量指标，有效解决任务分解问题。完整过程如下：

如图1所示，对原任务进行形式化描述，构建任务描述元模型，该任务描述元模型将原任务形式化描述为一个六元组(任务名称、任务编号、活动单元名称、活动单元编号、活动单元关系集、资源调度综合开销指数)；依据任务自身特点对原任务进行初步分解，得到初始子任务集T₁；

将每个子任务用一个二元组{活动单元集，活动单元关系集}来表示，通过活动单元的交互度和重现度计算子任务粒度，构建子任务粒度控制模型。其中，活动单元的交互度是用一个二元集合组(活动单元集，活动单元关系集)来描述任务结构，活动单元集是任务中有限个活动单元的集合，活动单元关系集是描述活动单元约束关系的集合，可表示为(输入活动单元集，输出活动单元)，通过活动单元关系集之间的交集可计算活动单元的交互度；活动单元的重现度是活动单元关系集中某一活动单元重复出现的量化水平，通过该关系集中重复出现的活动单元与所有活动单元数量的比值可计算活动单元重现度。具体模型如下：

设一个任务分解得到的子任务集合表示为

k为子任务编号，每个子任务用一个二元组{活动单元集，活动单元关系集}来表示，即t_k＝{A_k,R_k}，其中，A_k为子任务t_k的活动单元集，|A_k|为A_k中元素的个数；R_k为子任务t_k的活动单元关系集，|R_k|为R_k中元素的个数；(O_ki,I_ki),(O_kj,I_kj)(i,j＝1,2,...,|R_k|&i≠j)为R_k中的任意两个元素，O_ki,O_kj为输出活动单元，I_ki,I_kj为输入活动单元集。

设F_k代表子任务t_k内活动单元交互度，G_k代表子任务t_k内活动单元重现度，则F_k通过活动单元关系集之间的交集来计算，即：

G_k通过活动单元关系集中重现的活动单元与所有活动单元数量的比值来计算，即：

根据(1)和(2),得到子任务粒度l的计算公式为：

根据式(1)-(3)分析初始子任务集T₁的子任务粒度大小，若满足子任务粒度阈值条件，则进入下一步关联度的分析；反之，将继续进行进一步分解，直到粒度小于阈值为止，将此时的子任务集记为T₂；

根据式(4)-(5)分析T₂的子任务关联度，子任务关联度主要体现子任务之间的关联关系，通过子任务之间的活动单元关联程度来计算子任务集合关联度大小，构建任务关联度模型。其中，子任务之间的活动单元关联程度反映了子任务之间的相互依赖和制约关系，可用0-1矩阵来描述，1表示两者之间存在关联关系，反之为0。具体模型如下：

设N为子任务集合中子任务的数量，t_i,t_j(i,j＝1,2,...,N&i≠j)为子任务集合中任意两个子任务，R_i为子任务t_i中的活动单元关系集，R_j为子任务t_j中的活动单元关系集，m_ij为活动单元关系集之间的信息交互度，1表示存在信息交互，反之为0，如下式所示：

任务关联度可通过子任务之间的信息交互程度来计算，即：

若满足关联度阈值条件，则进入下一步资源均衡度的分析；反之，将T₂中的子任务进行合并，回到上一步进行粒度分析，直到粒度和关联度均满足阈值条件为止，将此时的子任务集记为T₃；

根据式(6)-(7)分析T₃的子任务集的资源均衡度，资源均衡度是资源调度开销(如时间、费用)的均衡，通过计算资源调度开销指数来计算资源调度开销的大小，从而构建资源均衡度模型。各类资源调度的开销体现为时间的消耗、成本的支出等，不失一般性，本发明将各类资源调度开销归集为一个抽象的指标，记为资源调度综合开销指数，通过计算该指数值来衡量资源均衡度大小。具体模型如下：

由上述子任务粒度模型知，A_k为第k个子任务的活动单元集，|A_k|为A_k中元素的个数；设A_ku,A_kv为A_k中任意两个活动单元，D_ku,D_kv(u,v＝1,2,...,|A_k|&u≠v)为A_ku,A_kv所需资源的综合调度开销指数，则每个子任务的资源均衡度为：

则子任务集的资源均衡度z的计算公式为：

若满足资源均衡度阈值条件，则T₃即为最终的分解结果，对任务编号重新排序之后记为子任务集T^*；反之，将T₃中的子任务进行重新组合，之后回到第二步任务分析阶段重新进行判断，直到子任务粒度、任务关联度和资源均衡度均满足阈值条件为止。

通过综合考虑上述几个定量模型，将原任务分解得到合理可行的子任务集合。

如图2所示，为四种基本的任务活动约束结构图。主要包括串行结构、并行结构、循环结构和分支结构。其中，串行结构表示一组任务按顺序执行，每个任务都必须在前序任务完成之后才可以执行；并行结构表示某一任务可以在一个以上相互独立的前序任务之后执行，这些前序任务之间不存在关联关系；循环结构表示某项任务完成之后需返回至之前的某项任务并重复之后的步骤；分支结构表示可以按概率选择不同的路径来完成整个任务。本发明的原任务或分解后的子任务的结构会是这几种结构中的一种。

实施例：

下面以本发明方法在设备维修中的应用为实施例，详细说明本发明的实现方法。

如图4所示，是本发明中初始任务网络图。由20个活动单元组成的初始任务描述如表1所示，其中a,b,c,d,e,f,g表示资源的综合调度开销。

表1初始任务描述表

根据以往电机机组维修保障项目经验，设定子任务粒度阈值为0.02，子任务关联度阈值为0.4，资源均衡度阈值为0.35。

如图5所示，为依据任务自身特点初步分解子任务集T₁的网络图。经过初步分解，得到子任务集T₁＝{t₁,t₂,t₃,t₄,t₅}。根据式(1)-(3)，求得T₁中子任务粒度l(T₁)＝0.03847＞0.02，不满足粒度阈值条件，应进行进一步分解。不难发现，t₁,t₃和t₄是三个复杂任务，可分解为更细的子任务。

如图6所示，为将T₁进一步分解，得到新的子任务集T₂＝{t′₁,t″₁,t₂,t′₃,t″₃″,t″′₃,t′₄,t″₄,t₅}的网络图。同以上方法，求得T₂的子任务粒度为l(T₂)＝0.0195＜0.02，满足条件，继续对其进行关联度分析。根据式(4)和(5)，求得T₂的关联度r(T₂)＝0.3333＜0.4，满足关联度阈值条件，继续对其进行资源均衡度分析。根据式(6)和(7)，求得T₂的资源均衡度为z(T₂)＝0.3227＜0.35，不满足阈值条件，因此需要对T₂中的子任务进行重新组合。

如图7所示，对上述子任务集T₂中的子任务重新组合之后得到新的子任务集T₃＝{t′₁,t″₁,t₂,t′₃,t″₃,t′₄,t″₄,t₅}的任务分解网络图。同以上方法，求得T₃的子任务粒度为l(T₃)＝0.01849＜0.02，满足粒度阈值条件；子任务关联度为r(T₃)＝0.3214＜0.4，满足关联度阈值条件；资源均衡度为z(T₃)＝0.3788＞0.35，满足资源均衡度阈值条件。因此，T₃为最终任务分解的子任务集。

如图8所示，为重新编号之后得到的最终子任务集T^*的网络图。对T₃中的子任务重新编号，得到最终分解的子任务集T^*＝{t₁,t₂,t₃,t₄,t₅,t₆,t₇,t₈}。

经过上述过程得到的子任务集T^*是之后任务执行的依据，这个分解结果是一个相对合理可行的结果。任务分解结果的展现方式可以有多种形式，本发明采用网络图的表达方式，最终结果如图8所示。

Claims (8)

1.一种变粒度任务分解方法，其特征在于：包括以下步骤：

步骤1：依据任务自身特点对原任务进行初步分解，得到初始子任务集T₁；

步骤2：根据子任务粒度阈值条件，对子任务进行子任务粒度大小分析：若不满足子任务粒度阈值条件，执行步骤3；若满足，执行步骤4；

步骤3：将不满足子任务粒度阈值条件的子任务进行进一步分解，得到分解后的子任务，并执行步骤2；

步骤4：根据子任务关联度阈值条件，对各子任务之间的子任务关联度进行分析：若不满足关联度阈值条件，执行步骤5；若满足，则得到子任务集T₃并执行步骤6；

步骤5：将不满足关联度阈值条件对应的两个子任务进行合并，得到合并后的子任务，将合并后的子任务执行步骤2；

步骤6：根据子任务资源均衡度阈值条件，对子任务集T₃进行资源均衡度分析：若不满足子任务资源均衡度阈值条件，则执行步骤7；若满足，则得到最终的分解结果；

步骤7：将子任务集T₃中的子任务进行重新组合，而后执行步骤2。

2.根据权利要求1所述的一种变粒度任务分解方法，其特征在于：在对原任务进行初步分解之前，将原任务进行形式化描述为一个六元组(任务名称、任务编号、活动单元名称、活动单元编号、活动单元关系集、资源调度综合开销指数)。

3.根据权利要求2所述的一种变粒度任务分解方法，其特征在于：将初始子任务集T₁中的每个子任务用一个二元组{活动单元集，活动单元关系集}来表示，所述活动单元集是子任务中有限个活动单元的集合，所述活动单元关系集是描述活动单元约束关系的集合。

4.根据权利要求3所述的一种变粒度任务分解方法，其特征在于：所述步骤2中，根据式(3)计算得到子任务粒度l；

式中，F_k代表子任务t_k内活动单元交互度，通过活动单元关系集之间的交集计算得到；G_k代表子任务t_k内活动单元重现度，通过活动单元关系集中重复出现的活动单元与所有活动单元数量的比值计算得到；N为子任务集合中子任务的数量。

5.根据权利要求4所述的一种变粒度任务分解方法，其特征在于：根据式(1)计算得到活动单元交互度F_k：

6.根据权利要求4所述的一种变粒度任务分解方法，其特征在于：根据式(2)计算得到活动单元重现度G_k：

7.根据权利要求3所述的一种变粒度任务分解方法，其特征在于：根据式(5)计算子任务之间的子任务关联度r；

式中，N为子任务集合中子任务的数量，t_i,t_j(i,j＝1,2,...,N&i≠j)为子任务集合中任意两个子任务，R_i为子任务t_i中的活动单元关系集，R_j为子任务t_j中的活动单元关系集，m_ij为活动单元关系集之间的信息交互度，若存在信息交互，则m_ij取1，反之取0。

8.根据权利要求3所述的一种变粒度任务分解方法，其特征在于：根据式(6)和式(7)计算子任务集的资源均衡度z：

式中，z_k为第k个子任务的资源均衡度，A_k为第k个子任务的活动单元集，|A_k|为A_k中元素的个数；设A_ku,A_kv为A_k中任意两个活动单元，D_ku,D_kv(u,v＝1,2,...,|A_k|&u≠v)为A_ku,A_kv所需资源的综合调度开销指数。

Images