CN111897650A - 一种基于启发式搜索的标注云服务器分配方法 - Google Patents

Abstract

一种基于启发式搜索的标注云服务器分配方法，利用启发式信息来改进差分演化算法，并利用改进后的差分演化算法来实现标注云服务器的分配。在改进的差分演化算法中，利用正弦启发式扰动权值策略来调整差分演化算法的控制参数，并利用个体的适应值的排序序号作为启发式信息来选择种群中的个体执行变异操作，提升算法的收敛速度，从而提高所分配的标注云服务器的综合运算性能。

Description

一种基于启发式搜索的标注云服务器分配方法

技术领域

本发明涉及服务器分配技术领域，尤其涉及一种基于启发式搜索的标注云服务器分配方法。

背景技术

人工智能技术已经在很大程度上提升了人类社会的生产效率。目前，人工智能技术的基础是海量的标注数据集。然而，对海量数据集进行标注是一项成本非常高的任务。为了更加高效地获取海量的标注数据集，研究人员提出了基于弱监督与自学习算法的智能标注方法。虽然智能标注方法能够提高数据集的标注效率，但是智能标注方法是一项计算密集型的任务。智能标注方法通常需要大规模的计算资源。为此，人们需要建立云计算平台来实现海量数据集的智能标注。

在基于云计算平台的智能标注系统中，常常需要解决一个标注云服务器分配问题：云计算平台装备了NS台标注云服务器，其中每台标注云服务器都具有单位时间运算性能度量值RT_mi，单位时间能耗度量值EC_mi和单位数据块传输耗时度量值DV_mi，其中mi＝1,2,...,NS；对于一个给定的智能标注任务，需要从NS台标注云服务器中选择出服务器来执行给定的智能标注任务，要求所选择出来的服务器的单位时间运算性能度量值之和最大化，并且要求所选择出来的服务器的单位时间能耗度量值之和不超过能耗上限LE，同时还要求所选择出来的服务器的单位数据量传输耗时度量值之和不超过传输耗时上限LC。该标注云服务器分配问题是一个NP完全问题，当标注任务的规模较大时，传统标注云服务器分配方法难以求解出满意的解。

差分演化算法是一种启发式搜索算法，它在求解许多NP完全问题中获得了较为满意的解。然而，传统差分演化算法在求解标注云服务器分配问题时，容易出现收敛速度慢的问题，从而导致所分配出来的标注云服务器的综合运算性能不够的缺点。

发明内容

本发明的目的在于针对背景技术中的缺陷，提出一种基于启发式搜索的标注云服务器分配方法，克服了传统差分演化算法在求解标注云服务器分配问题时，容易出现收敛速度慢的问题，提高所分配的标注云服务器的综合运算性能。

为达此目的，本发明采用以下技术方案：

一种基于启发式搜索的标注云服务器分配方法，具体步骤如下：

步骤1，输入标注云服务器数量NS；然后输入NS台标注云服务器的单位时间运算性能度量值RT_di，单位时间能耗度量值EC_di和单位数据块传输耗时度量值DV_di，其中服务器下标di＝1,2,...,NS；

步骤2，输入能耗上限LE和传输耗时上限LC；

步骤3，初始化种群规模PN和最大搜索代数MaxS；

步骤4，设置当前搜索代数cs＝0；

步骤5，根据公式(1)随机生成PN个体，然后将所生成的PN个体组成种群：

DX_pi,di＝rand(0,1) (1)

其中，DX_pi＝[DX_pi,1DX_pi,2...DX_pi,di...DX_pi,NS]表示种群中第pi个个体，并且个体DX_pi存储了NS台标注云服务器的分配权重；DX_pi,di表示个体DX_pi中所存储的第di台标注云服务器的分配权重；rand(0,1)表示在[0,1]之间产生随机实数的函数；个体下标pi＝1,2,...,PN；维度下标di＝1,2,...,NS；

步骤6，计算种群中PN个体的适应值，然后找出适应值最小的个体保存到最佳个体BestX；其中，对于种群中第pi个个体DX_pi，其适应值fit(DX_pi)的计算过程为：首先将个体DX_pi所存储的NS台标注云服务器的分配权重解码为状态向量SX_pi，然后按公式(2)计算个体DX_pi的适应值fit(DX_pi)：

其中，max表示取最大值函数；RT_di为第di台标注云服务器的单位时间运算性能度量值；EC_di为第di台标注云服务器的单位时间能耗度量值；DV_di为第di台标注云服务器的单位数据块传输耗时度量值；SX_pi中存储了NS台标注云服务器的分配状态；SX_pi,di表示SX_pi中所存储的第di台标注云服务器的分配状态；pw1表示能耗惩罚因子；pw2表示传输耗时惩罚因子；pe1表示能耗可行程度；pe2表示传输耗时可行程度；

步骤7，设置留守步长因子BF_pi＝0.5，留守交叉率BR_pi＝0.5；

步骤8，根据公式(3)计算正弦启发式扰动权值DW：

其中，sin表示正弦函数，π表示圆周率；

步骤9，随机产生一个[0,1]之间的随机实数pkf，然后根据公式(4)计算当前步长因子CF_pi：

步骤10，随机产生一个[0,1]之间的随机实数pkr，然后根据公式(5)计算当前交叉率CR_pi：

步骤11，对种群中所有个体的适应值按照从小到大的顺序进行排序，并令Rank_pi为种群中第pi个个体的适应值的排序序号；其中，个体下标pi＝1,2,...,PN；

步骤12，按照公式(6)利用个体的适应值的排序序号作为启发式信息生成种群中所有个体的选择概率：

其中，PSI_pi表示种群中第pi个个体的选择概率；exp表示以自然常数e为底数的指数函数；log表示以自然常数e为底数的对数函数；

步骤13，根据种群中每个个体的选择概率，采用轮盘赌选择方法从种群中选择出一个个体记为WSX，然后在[1,PN]之间随机产生两个不相同的正整数dr1和dr2；

步骤14，根据公式(7)执行变异操作算子生成变异个体DV_pi：

DV_pi＝WSX+CF_pi×(DX_dr1-DX_dr2) (7)

其中DX_dr1表示种群中第dr1个个体；DX_dr2表示种群中第dr2个个体；

步骤15，根据公式(8)执行交叉操作算子生成候选个体DU_pi：

其中，DU_pi,di表示候选个体DU_pi所存储的第di台标注云服务器的分配权重；DV_pi,di表示变异个体DV_pi所存储的第di台标注云服务器的分配权重；维度下标di＝1,2,...,NS；

步骤16，计算候选个体DU_pi的适应值；

步骤17，如果候选个体DU_pi的适应值小于个体DX_pi的适应值，则在种群中用候选个体DU_pi替换个体DX_pi，否则保持个体DX_pi不变；

步骤18，如果候选个体DU_pi的适应值小于个体DX_pi的适应值，则设置留守步长因子BF_pi＝CF_pi，否则保持留守步长因子BF_pi不变；

步骤19，如果候选个体DU_pi的适应值小于个体DX_pi的适应值，则设置留守交叉率BR_pi＝CR_pi，否则保持留守交叉率BR_pi不变；

步骤20，找出适应值最小的个体保存到最佳个体BestX；然后设置当前搜索代数cs＝cs+1；

步骤21，如果当前搜索代数cs大于最大搜索代数MaxS，则转到步骤22，否则转到步骤8；

步骤22，将最佳个体BestX中所存储的NS台标注云服务器的分配权重解码出标注云服务器的分配状态，即得到标注云服务器的分配结果。

有益效果：

本发明利用启发式信息来改进差分演化算法，并利用改进后的差分演化算法来实现标注云服务器的分配。在改进的差分演化算法中，利用正弦启发式扰动权值策略来调整差分演化算法的控制参数，并利用个体的适应值的排序序号作为启发式信息来选择种群中的个体执行变异操作，提升算法的收敛速度，从而提高所分配的标注云服务器的综合运算性能。

附图说明

图1是本发明的一个实施例的正弦启发式扰动权值图。

具体实施方式

下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。

本发明的一种基于启发式搜索的标注云服务器分配方法，具体步骤如下：

步骤1，输入标注云服务器数量NS＝100；然后输入100台标注云服务器的单位时间运算性能度量值RT_di，单位时间能耗度量值EC_di和单位数据块传输耗时度量值DV_di，其中服务器下标di＝1,2,...,100；

所述标注云服务器指的是用于执行标注任务的云服务器；所述标注云服务器的单位时间运算性能度量值指的是标注云服务器在1秒钟内执行的浮点运算指令的数量；单位时间能耗度量值指的是标注云服务器在1小时内耗电量；单位数据块传输耗时度量值指的是标注云服务器传输100兆数据块所耗费的时间；

步骤2，输入能耗上限LE＝56000和传输耗时上限LC＝28；

步骤3，初始化种群规模PN＝100和最大搜索代数MaxS＝5000；

步骤4，设置当前搜索代数cs＝0；

步骤5，根据公式(1)随机生成PN个体，然后将所生成的PN个体组成种群：

DX_pi,di＝rand(0,1) 公式(1)

其中，DX_pi＝[DX_pi,1DX_pi,2...DX_pi,di...DX_pi,NS]表示种群中第pi个个体，并且个体DX_pi存储了NS台标注云服务器的分配权重；所述分配权重是[0,1]范围内的实数；DX_pi,di表示个体DX_pi中所存储的第di台标注云服务器的分配权重；rand(0,1)表示在[0,1]之间产生随机实数的函数；个体下标pi＝1,2,...,PN；维度下标di＝1,2,...,NS；

步骤6，计算种群中PN个体的适应值，然后找出适应值最小的个体保存到最佳个体BestX；其中，对于种群中第pi个个体DX_pi，其适应值fit(DX_pi)的计算过程为：首先将个体DX_pi所存储的NS台标注云服务器的分配权重解码为状态向量SX_pi，然后按公式(2)-公式(4)计算个体DX_pi的适应值fit(DX_pi)：

其中，max表示取最大值函数；RT_di为第di台标注云服务器的单位时间运算性能度量值；EC_di为第di台标注云服务器的单位时间能耗度量值；DV_di为第di台标注云服务器的单位数据块传输耗时度量值；SX_pi中存储了NS台标注云服务器的分配状态；SX_pi,di表示SX_pi中所存储的第di台标注云服务器的分配状态；pw1表示能耗惩罚因子；pw2表示传输耗时惩罚因子；pe1表示能耗可行程度；pe2表示传输耗时可行程度；

所述将个体DX_pi所存储的NS台标注云服务器的分配权重解码为状态向量SX_pi指的是对个体DX_pi所存储的NS台标注云服务器的分配权重进行四舍五入得到NS个值为0或1的整数，然后将得到的NS个值为0或1的整数依次保存到状态向量SX_pi中；状态向量SX_pi中所存储的NS个值为0或1的整数就是NS台标注云服务器的分配状态，其中值为1表示对应的标注云服务器分配来执行标注任务；值为0表示对应的标注云服务器不分配来执行标注任务；

步骤7，设置留守步长因子BF_pi＝0.5，留守交叉率BR_pi＝0.5；

步骤8，根据公式(5)计算正弦启发式扰动权值DW：

其中，sin表示正弦函数，π表示圆周率；

步骤9，随机产生一个[0,1]之间的随机实数pkf，然后根据公式(6)计算当前步长因子CF_pi：

步骤10，随机产生一个[0,1]之间的随机实数pkr，然后根据公式(7)计算当前交叉率CR_pi：

步骤11，对种群中所有个体的适应值按照从小到大的顺序进行排序，并令Rank_pi为种群中第pi个个体的适应值的排序序号；其中，个体下标pi＝1,2,...,PN；

步骤12，按照公式(8)利用个体的适应值的排序序号作为启发式信息生成种群中所有个体的选择概率：

其中，PSI_pi表示种群中第pi个个体的选择概率；exp表示以自然常数e为底数的指数函数；log表示以自然常数e为底数的对数函数；

步骤13，根据种群中每个个体的选择概率，采用轮盘赌选择方法从种群中选择出一个个体记为WSX，然后在[1,PN]之间随机产生两个不相同的正整数dr1和dr2；

步骤14，根据公式(9)执行变异操作算子生成变异个体DV_pi：

DV_pi＝WSX+CF_pi×(DX_dr1-DX_dr2) 公式(9)

其中DX_dr1表示种群中第dr1个个体；DX_dr2表示种群中第dr2个个体；

步骤15，根据公式(10)执行交叉操作算子生成候选个体DU_pi：

其中，DU_pi,di表示候选个体DU_pi所存储的第di台标注云服务器的分配权重；DV_pi,di表示变异个体DV_pi所存储的第di台标注云服务器的分配权重；维度下标di＝1,2,...,NS；

步骤16，计算候选个体DU_pi的适应值；

步骤17，如果候选个体DU_pi的适应值小于个体DX_pi的适应值，则在种群中用候选个体DU_pi替换个体DX_pi，否则保持个体DX_pi不变；

步骤18，如果候选个体DU_pi的适应值小于个体DX_pi的适应值，则设置留守步长因子BF_pi＝CF_pi，否则保持留守步长因子BF_pi不变；

步骤19，如果候选个体DU_pi的适应值小于个体DX_pi的适应值，则设置留守交叉率BR_pi＝CR_pi，否则保持留守交叉率BR_pi不变；

步骤20，找出适应值最小的个体保存到最佳个体BestX；然后设置当前搜索代数cs＝cs+1；

步骤21，如果当前搜索代数cs大于最大搜索代数MaxS，则转到步骤22，否则转到步骤8；

步骤22，将最佳个体BestX中所存储的NS台标注云服务器的分配权重解码出标注云服务器的分配状态，即得到标注云服务器的分配结果。

以上结合具体实施例描述了本发明的技术原理。这些描述只是为了解释本发明的原理，而不能以任何方式解释为对本发明保护范围的限制。基于此处的解释，本领域的技术人员不需要付出创造性的劳动即可联想到本发明的其它具体实施方式，这些方式都将落入本发明的保护范围之内。

Claims (1)

1.一种基于启发式搜索的标注云服务器分配方法，其特征在于：具体步骤如下：

步骤1，输入标注云服务器数量NS；然后输入NS台标注云服务器的单位时间运算性能度量值RT_di，单位时间能耗度量值EC_di和单位数据块传输耗时度量值DV_di，其中服务器下标di＝1,2,...,NS；

步骤2，输入能耗上限LE和传输耗时上限LC；

步骤3，初始化种群规模PN和最大搜索代数MaxS；

步骤4，设置当前搜索代数cs＝0；

步骤5，根据公式(1)随机生成PN个体，然后将所生成的PN个体组成种群：

DX_pi,di＝rand(0,1) (1)

其中，DX_pi＝[DX_pi,1 DX_pi,2 ... DX_pi,di ... DX_pi,NS]表示种群中第pi个个体，并且个体DX_pi存储了NS台标注云服务器的分配权重；DX_pi,di表示个体DX_pi中所存储的第di台标注云服务器的分配权重；rand(0,1)表示在[0,1]之间产生随机实数的函数；个体下标pi＝1,2,...,PN；维度下标di＝1,2,...,NS；

步骤6，计算种群中PN个体的适应值，然后找出适应值最小的个体保存到最佳个体BestX；其中，对于种群中第pi个个体DX_pi，其适应值fit(DX_pi)的计算过程为：首先将个体DX_pi所存储的NS台标注云服务器的分配权重解码为状态向量SX_pi，然后按公式(2)计算个体DX_pi的适应值fit(DX_pi)：

其中，max表示取最大值函数；RT_di为第di台标注云服务器的单位时间运算性能度量值；EC_di为第di台标注云服务器的单位时间能耗度量值；DV_di为第di台标注云服务器的单位数据块传输耗时度量值；SX_pi中存储了NS台标注云服务器的分配状态；SX_pi,di表示SX_pi中所存储的第di台标注云服务器的分配状态；pw1表示能耗惩罚因子；pw2表示传输耗时惩罚因子；pe1表示能耗可行程度；pe2表示传输耗时可行程度；

步骤7，设置留守步长因子BF_pi＝0.5，留守交叉率BR_pi＝0.5；

步骤8，根据公式(3)计算正弦启发式扰动权值DW：

其中，sin表示正弦函数，π表示圆周率；

步骤9，随机产生一个[0,1]之间的随机实数pkf，然后根据公式(4)计算当前步长因子CF_pi：

步骤10，随机产生一个[0,1]之间的随机实数pkr，然后根据公式(5)计算当前交叉率CR_pi：

步骤11，对种群中所有个体的适应值按照从小到大的顺序进行排序，并令Rank_pi为种群中第pi个个体的适应值的排序序号；其中，个体下标pi＝1,2,...,PN；

步骤12，按照公式(6)利用个体的适应值的排序序号作为启发式信息生成种群中所有个体的选择概率：

其中，PSI_pi表示种群中第pi个个体的选择概率；exp表示以自然常数e为底数的指数函数；log表示以自然常数e为底数的对数函数；

步骤13，根据种群中每个个体的选择概率，采用轮盘赌选择方法从种群中选择出一个个体记为WSX，然后在[1,PN]之间随机产生两个不相同的正整数dr1和dr2；

步骤14，根据公式(7)执行变异操作算子生成变异个体DV_pi：

DV_pi＝WSX+CF_pi×(DX_dr1-DX_dr2) (7)

其中DX_dr1表示种群中第dr1个个体；DX_dr2表示种群中第dr2个个体；

步骤15，根据公式(8)执行交叉操作算子生成候选个体DU_pi：

其中，DU_pi,di表示候选个体DU_pi所存储的第di台标注云服务器的分配权重；DV_pi,di表示变异个体DV_pi所存储的第di台标注云服务器的分配权重；维度下标di＝1,2,...,NS；

步骤16，计算候选个体DU_pi的适应值；

步骤17，如果候选个体DU_pi的适应值小于个体DX_pi的适应值，则在种群中用候选个体DU_pi替换个体DX_pi，否则保持个体DX_pi不变；

步骤18，如果候选个体DU_pi的适应值小于个体DX_pi的适应值，则设置留守步长因子BF_pi＝CF_pi，否则保持留守步长因子BF_pi不变；

步骤19，如果候选个体DU_pi的适应值小于个体DX_pi的适应值，则设置留守交叉率BR_pi＝CR_pi，否则保持留守交叉率BR_pi不变；

步骤20，找出适应值最小的个体保存到最佳个体BestX；然后设置当前搜索代数cs＝cs+1；

步骤21，如果当前搜索代数cs大于最大搜索代数MaxS，则转到步骤22，否则转到步骤8；

步骤22，将最佳个体BestX中所存储的NS台标注云服务器的分配权重解码出标注云服务器的分配状态，即得到标注云服务器的分配结果。

Images