摘要：基于我国电网任务繁多，资源分布地域差异较大的特点以及电网对实时性和经济效益的要求，本文针对电网计算任务分解及调度问题，结合仿生学中基因工程及生物进化的相关知识，对IHA算法进行了进一步的改进与扩充。在任务分解环节，我们通过IHA算法将云计算下的电网任务分解问题转化为可操作的最优解问题，一定程度上降低了陷入局部最优解的概率；在调度环节，我们提出了对子任务先进行紧急程度分级后再进行资源分配的方法，减少了计算量与资源耗费，提高了工作效率和执行速度。最后，我们通过定义关于时间和成本的适应度函数，来筛选我们所需的最佳任务调度方案。我们通过仿真实验验证了该算法在电网任务计算过程中，能够较好的实现任务分解；并给出了关于调度的新方法。
关键词：电网任务；云计算；IHA算法；仿生学
随着现代科技的发展，生物科学和电力系统开始显现出日益紧密的关系。电力系统如同庞大的生物系统，时刻进行着繁杂但有序的工作。电力云就是将繁多的电网计算任务分布在大量计算机构成的资源池上，通过相应的解决方案与调度机制的协调作用，在使任务被实时、高效解决的同时，也使用户能按需获取相应的云资源。本文将从生物工程中的基因剪切与拼接技术和生物进化过程中的自然选择机制，结合云计算在电网任务分解及调度中的应用，通过实验仿真与结果分析，来阐述现代生物科学与电力系统的紧密联系。
1、云计算下的电网任务及调度现状
现阶段，我国的电网特点是其分布的地域差异性较大，各子网的运行、监控、保护、输配和营销彼此之间的关系复杂。基于智能云强大的存储和计算能力，通过云计算将电网任务中各个节点的存储和计算子任务分布到大量分布式计算机中，可大大提高资源的利用率，进而提高电网的经济效益。然而，现有的电网计算任务分解算法容易使计算结果陷入局部最优解，影响了电网对用户请求资源的有效处理和管理过程，进而影响云计算环境下的电网工作性能。云计算下的电力任务调度的是将电网采集的各类信息反馈到电力云中，计算机结合云资源中所存储的电网实际运行参数及指标，通过相应计算，对电网安全、经济运行状态进行判断并发布操作指令，指挥系统进行调整，以达到维持电网稳定运行的状态。由于电网调度任务十分复杂，指标及要求繁多。不恰当的任务调度策略会导致云资源的浪费，甚至对电网的运行质量产生影响，严重影响了企业的经济效益。
2、IHA算法的介绍
其基本原理是对计算任务的划分。就是将子任务存储在“与或”树的一个节点上，用户请求任务分解就是选择合适的分割点，进行树的构造。用启发式方法找寻任务分割点后，估算任务的总体消耗，当分割点选择不合适时，子任务将无法执行，可以认为消耗为无穷大。直到所有的子任务不能再进一步细分，此时认为任务分解完成。
任务分解的两个重要步骤：第一、为了确保任务所得解为整体最优，必须确定满足任务分解的相关约束条件；第二、为了提高请求资源的效率，最大程度减小开销，要对之前分解的任务进行合理的分配。
3、仿生学的引入
（1）联系生物科学中基因工程的相关理念，在对一段基因经行切割时，往往需要号称“分子手术刀”的限制性核算内切酶对DNA分子上的某种特定的核苷酸序列进行特定性切割。我们将初始的电网计算任务类比为一段DNA，其上有运行、监控、保护、输配、营销等节点中的一个或多个。将其相应的划分条件和目标看做“分子手术刀”，能对DNA分子上的符合切割条件相应节点进行特异性切割。然后取其中的一个节点，依照IHA算法进行进一步划分，寻找节点的任务分割点。若该节点至少有一个任务分割点且分割后的子任务能在智能云中检索到，则确定该点为所要寻找的任务分割点，依照上述方法对分割后的子任务进行进一步划分，直到子任务不能再进行划分，则任务分割结束。若该节点分割后的子任务不能在智能云中检索到，则重新划分，直到其子任务能在智能云中检索到，其后过程同上。
分割完成后，计算任务开销，依据消耗大小对子任务树进行相应修剪，已达到完善分解过程的目的。
（2）基于生物科学中物种基于生物自然选择，将原有的算法功能进行进一步扩充与完善，使其在将众多计算任务合理分解后还能进行最佳的资源调配。我们将众多任务调度方案看成一个种群，首先对初始化的种群进行编码，根据所需筛选出的最佳对象的要求来定义表征种群个体优劣的适应度函数，在该调度方案种群中选择适应度函数值高的方案个体，即为最佳调度指令。
4、算法流程
首先对初始的电网计算任务，依照其相应的条件和目标，划分为运行、监控、保护、输配、营销等节点中的一个或多个。取其中的一个节点，依照IHA算法进行进一步划分，寻找节点的任务分割点。若该节点至少有一个任务分割点且分割后的子任务能在电力云中检索到，则确定该点为所要寻找的任务分割点，依照上述方法对分割后的子任务进行进一步划分，直到子任务不能再进行划分，则任务分割结束。若该节点分割后的子任务不能在智能云中检索到，则重新划分，直到其子任务能在智能云中检索到，其后过程同上。
分割完成后，计算任务开销，依据消耗大小对子任务树进行相应修剪，以达到完善分解过程的目的。
对于一定的电网任务与资源，必然对应着不同的解决方案。由于任务的紧急与重要程度直接关系到各个任务对实时性的要求，进而影响该任务在解决过程中的优先程度，我们先对每个已经不能再划分的子任务经行一个紧急程度的划分，对于已经分好的任务依据各自的紧急程度给出合理的资源配置方案。这样一来，避免了对各个子任务做全排列，也不必对全排列后产生的众多方案进行筛选，从而节省了大量的时间与计算资源，提高了调度的实时性与经济性。最后，利用自然选择原理对这些较为合理的调度方案经行进一步筛选，定义考虑时间和成本的适应度函数并以此为标准筛选出最优方案，系统发出调度指令。
5、结束语
本文针对电网计算任务分解及调度问题，结合仿生学中基因工程及生物进化的相关知识，对IHA算法经行了进一步改进与完善，在调度环节，我们提出了对子任务先进行紧急程度分级后再进行资源分配的方法，减少了计算量与资源耗费，很大程度上提高了工作效率和执行速度。最后，我们通过定义关于时间和成本的适应度函数，来筛选我们所需的最佳调度方案。我们通过仿真实验验证了该算法在电网任务计算的过程中，能够较好地实现任务分解；在资源分配方面，我们给出了新的方法。总之，对云环境下的电网任务进行分解与对资源合理的分配，能够提高电力系统运行的稳定性和时效性，进而提高电力系统的经济效益。为智能云在电网中的应用打下了良好的基础。
参考文献：
【1】苏小会 张宏利 云计算中任务分解算法的改进
【2】李杰 李鹏伟 李玉坤 于金刚 邵志香 云计算在智能电网中的应用研究
【3】朱宇航 差分进化算法及其在云计算任务调度中的应用研究
俞华锋 基于效应函数的云计算调度算法的研究
【4】康一梅 胡江 任务分解、任务调度与并行算法设计
推荐访问： 仿生学 电网 调度 分解 算法