李根

摘 要：云任務(wù)調(diào)度對(duì)網(wǎng)絡(luò)安全要求高，開展云任務(wù)調(diào)度中也需要在單位時(shí)間內(nèi)進(jìn)行大量數(shù)據(jù)的運(yùn)算。在此基礎(chǔ)上文章重點(diǎn)探討粒子群算法在云任務(wù)調(diào)度中的使用模式，以及網(wǎng)絡(luò)安全系統(tǒng)設(shè)計(jì)開展流程，提出應(yīng)用粒子群算法構(gòu)建出模擬自然候鳥遷徙的云任務(wù)處理框架，可作為云任務(wù)調(diào)度高效實(shí)現(xiàn)的參照。

關(guān)鍵詞：云任務(wù)調(diào)度；粒子群算法；網(wǎng)絡(luò)安全系統(tǒng)；系統(tǒng)設(shè)計(jì)

中圖分類號(hào)：TP301 文獻(xiàn)標(biāo)識(shí)碼：A

1 引言（Introduction）

云任務(wù)調(diào)度和粒子群算法應(yīng)用中，可以大幅度提升網(wǎng)絡(luò)系統(tǒng)的使用安全，這一技術(shù)也已經(jīng)成為當(dāng)前主要應(yīng)用的安全控制手段。由于粒子群優(yōu)化算法在解決大規(guī)模優(yōu)化問題時(shí)容易出現(xiàn)的缺陷，通過引入遺傳算法的交叉策略和變異策略將適合用在連續(xù)領(lǐng)域的算法進(jìn)行改進(jìn)，使其能在離散問題中發(fā)揮作用，并引入了爬山算法提高PSO的局部尋優(yōu)能力。

2 基于云任務(wù)調(diào)度基礎(chǔ)上的粒子群算法數(shù)學(xué)建模

（Mathematical modeling of particle swarm

optimization based on cloud task scheduling）

2.1 數(shù)學(xué)模型確定

基于云任務(wù)調(diào)度基礎(chǔ)上所開展的網(wǎng)絡(luò)安全系統(tǒng)設(shè)計(jì)，會(huì)將各個(gè)任務(wù)之間建立起約束關(guān)系的數(shù)學(xué)模型，這樣在系統(tǒng)運(yùn)行中各結(jié)點(diǎn)所包含信息能夠通過數(shù)學(xué)模型來分部到云調(diào)度框架中?；跀?shù)學(xué)模型基礎(chǔ)上網(wǎng)絡(luò)系統(tǒng)運(yùn)行安全，以及運(yùn)行中存在的數(shù)據(jù)隱患，能夠以節(jié)點(diǎn)參數(shù)模式反映出來。構(gòu)建模型時(shí)可以針對(duì)虛擬的模型來進(jìn)行，將虛擬數(shù)據(jù)集合數(shù)量設(shè)置為m，將分布在數(shù)學(xué)模型中的各個(gè)節(jié)點(diǎn)參數(shù)分別設(shè)置為P1、P2，直至Pm。在此基礎(chǔ)上所開展的集合分析運(yùn)算才能涵蓋更大的范圍，針對(duì)集合中虛擬的數(shù)據(jù)數(shù)量來進(jìn)行執(zhí)行時(shí)間計(jì)算，判斷基于網(wǎng)絡(luò)環(huán)境中程序系統(tǒng)對(duì)網(wǎng)絡(luò)資源的提取時(shí)間間隔，從而實(shí)現(xiàn)程序運(yùn)行使用的自動(dòng)化控制。執(zhí)行時(shí)間分布也會(huì)從數(shù)據(jù)參數(shù)重要程度層面做出分析，優(yōu)先執(zhí)行重要指令，并對(duì)程序系統(tǒng)使用中多余的指令自動(dòng)隔離，確保程序在云任務(wù)調(diào)度中，處理速度不會(huì)受網(wǎng)絡(luò)環(huán)境影響。軟件程序運(yùn)行中的驅(qū)動(dòng)選擇，同樣建立在運(yùn)算公式基礎(chǔ)上，數(shù)學(xué)建模為軟件驅(qū)動(dòng)選擇提供了參照依據(jù)。所建立的數(shù)學(xué)模型集合，也與網(wǎng)絡(luò)安全體系構(gòu)成聯(lián)系，基于網(wǎng)絡(luò)環(huán)境中獲取數(shù)據(jù)資源，并通過數(shù)學(xué)模型中的分析運(yùn)算來向網(wǎng)絡(luò)環(huán)境中反饋數(shù)據(jù)資源下載請(qǐng)求。

2.2 目標(biāo)函數(shù)確定

數(shù)學(xué)模型構(gòu)建后，對(duì)云任務(wù)調(diào)度基礎(chǔ)上的目標(biāo)函數(shù)做出確定，結(jié)合網(wǎng)絡(luò)安全系統(tǒng)設(shè)計(jì)整體方向，充分利用粒子群算法來得出更準(zhǔn)確的目標(biāo)函數(shù)集合。目標(biāo)函數(shù)需要與任務(wù)，以及資源獲取模式相連接，每一項(xiàng)網(wǎng)絡(luò)安全控制系統(tǒng)中都有獨(dú)立的虛擬機(jī)相鏈接，虛擬機(jī)在同一時(shí)間內(nèi)只可處理單一任務(wù)，當(dāng)所需處理任務(wù)量巨大，則需要基于目標(biāo)函數(shù)基礎(chǔ)上對(duì)數(shù)據(jù)庫做出層次劃分。建立起不同數(shù)據(jù)庫之間的隔離體系，這樣在虛擬機(jī)安全任務(wù)處理中，才能自動(dòng)對(duì)武校的信息做出刪除，確保有效信息進(jìn)入到運(yùn)算處理模塊中。對(duì)于目標(biāo)函數(shù)確定，還需要確保其在系統(tǒng)中的分散程度，能夠通過系統(tǒng)集合進(jìn)行相互轉(zhuǎn)換構(gòu)建，從而進(jìn)入到更穩(wěn)定的運(yùn)算模式中。對(duì)于當(dāng)前例子運(yùn)算中最常使用到的布爾變量目標(biāo)函數(shù)確定，需要系統(tǒng)程序設(shè)計(jì)中確定虛擬機(jī)的交互換形式，提出網(wǎng)絡(luò)環(huán)境中軟件程序使用中可能會(huì)遇到的風(fēng)險(xiǎn)問題，以此問題為變量構(gòu)建目標(biāo)函數(shù)運(yùn)算程序。經(jīng)過目標(biāo)函數(shù)確定，以及分析運(yùn)算，最終對(duì)于網(wǎng)絡(luò)環(huán)境中的風(fēng)險(xiǎn)隱患問題也能自動(dòng)尋求有效規(guī)避路徑，確保網(wǎng)絡(luò)環(huán)境下程序系統(tǒng)能夠正常實(shí)現(xiàn)設(shè)計(jì)功能，并且不會(huì)受到網(wǎng)絡(luò)中的干擾因素影響。

3 混合粒子群算法應(yīng)用在網(wǎng)絡(luò)安全系統(tǒng)設(shè)計(jì)中的方

法（Application of hybrid particle swarm algorithm

in the design of network security system）

3.1 粒子算法的編碼模式

混合粒子群算法結(jié)合云任務(wù)調(diào)度和網(wǎng)絡(luò)安全系統(tǒng)設(shè)計(jì)，首要步驟是對(duì)編碼模式的確定，分析處于混合粒子群算法中程序系統(tǒng)獲取網(wǎng)絡(luò)資源需要的路徑選擇模式。混合粒子群算法屬于一種高級(jí)智能的程序匯編體系，模擬了鳥群遷徙過程中的軌跡特征，構(gòu)建出混合粒子群運(yùn)算體系。會(huì)先確定粒子群的產(chǎn)生初始因素，每一個(gè)粒子在運(yùn)算框架中表示不同的問題和解決措施，在最優(yōu)路徑選擇程序中，粒子群會(huì)經(jīng)過這一信道途徑。對(duì)于粒子群眾各項(xiàng)粒子所表示的問題與求解模式，能夠自動(dòng)做出分析運(yùn)算判斷其中存在的隱患和錯(cuò)誤指令并進(jìn)行初步篩選，篩選并隔離的例子進(jìn)入到二次運(yùn)算分析程序中，確定其中存在的問題程序內(nèi)也會(huì)自動(dòng)做出校正。粒子群經(jīng)過混合算法程序后內(nèi)部安全得到檢驗(yàn)，可以順利進(jìn)入到接下來的程序運(yùn)行控制中，粒子群算法是針對(duì)群體數(shù)據(jù)所開展的，運(yùn)算過程中確定數(shù)據(jù)集合的屬性，了解目標(biāo)函數(shù)歸屬范圍，才能進(jìn)行更為精準(zhǔn)的安全控制[1]。粒子算法的程序編碼，會(huì)模擬出鳥群飛行中的不同路徑選擇，候鳥在遷徙中總會(huì)自動(dòng)定位并選舉最優(yōu)的路徑。在此基礎(chǔ)上所開展的粒子群算法也模擬候鳥遷徙路徑選擇模式，程序匯編中構(gòu)建出鳥群的粒子數(shù)據(jù)分散點(diǎn)，將數(shù)據(jù)捕捉器分散到各個(gè)節(jié)點(diǎn)中，再進(jìn)行數(shù)據(jù)信息的統(tǒng)一控制。數(shù)據(jù)獲得后接下來的處理運(yùn)算，對(duì)所模擬出的優(yōu)化路徑選擇來判斷網(wǎng)絡(luò)系統(tǒng)安全性，并為程序系統(tǒng)功能實(shí)現(xiàn)確定最優(yōu)路徑。

3.2 基于粒子群的網(wǎng)絡(luò)安全改進(jìn)策略

（1）交叉運(yùn)算

交叉運(yùn)算是對(duì)粒子群算法的優(yōu)化改進(jìn)模式，確定極大值與極小值兩個(gè)不同的數(shù)據(jù)信息集合，進(jìn)入到程序第一層次中，首先會(huì)對(duì)數(shù)據(jù)的所屬歸類做出劃分，按照所劃分的集合，進(jìn)入到交叉后的第二個(gè)程序中[2]。其次是在程序系統(tǒng)第二框架中對(duì)交叉數(shù)據(jù)集合的運(yùn)算，按照第一程序中劃分的數(shù)據(jù)集合類型，確定出可以交叉的數(shù)據(jù)層次，數(shù)據(jù)交叉后，針對(duì)系統(tǒng)程序安全維護(hù)的作用體現(xiàn)。交叉算法框架見圖1。

交叉運(yùn)算策略應(yīng)用數(shù)據(jù)集合之間的數(shù)值交換是采用隨機(jī)位置進(jìn)行的，并不會(huì)對(duì)位置和數(shù)據(jù)的具體所在區(qū)域做出運(yùn)行規(guī)定，這樣完全模擬了鳥類遷徙過程的位置變化。對(duì)于數(shù)據(jù)集和安全性判斷也能起到隨機(jī)抽查的效果，從而確保每一項(xiàng)數(shù)據(jù)在安全檢測(cè)中所能獲得的資源都是均等的。交叉策略應(yīng)用中，對(duì)于數(shù)據(jù)信息與網(wǎng)絡(luò)環(huán)境之間的關(guān)聯(lián)構(gòu)建，要以信息資源公平使用為前提，避免交叉互換中出現(xiàn)某一數(shù)據(jù)節(jié)點(diǎn)資源供應(yīng)不足的問題。處于網(wǎng)絡(luò)環(huán)境下程序系統(tǒng)使用，面對(duì)大量未知風(fēng)險(xiǎn)隱患。交叉策略應(yīng)用后，系統(tǒng)程序構(gòu)建針對(duì)更為長遠(yuǎn)的安全控制來開，從而最大程度保障系統(tǒng)內(nèi)的隱私數(shù)據(jù)安全性。

（2）變異運(yùn)算

變異運(yùn)算可應(yīng)對(duì)網(wǎng)絡(luò)安全系統(tǒng)設(shè)計(jì)中的突發(fā)風(fēng)險(xiǎn)隱患，鳥群在遷徙時(shí)可能會(huì)受自然環(huán)境的突發(fā)變化影響，原有遷徙路徑和隊(duì)伍排列模式因此而打亂，但可以發(fā)現(xiàn)打亂后鳥群也能在短時(shí)間內(nèi)恢復(fù)原有集合，避免在遷徙中出現(xiàn)與隊(duì)伍脫離丟失的問題。雖然在自然環(huán)境中鳥群遷徙會(huì)出現(xiàn)部分個(gè)體丟失，但卻能夠保證整體的完整性[3]。變異運(yùn)算流程結(jié)構(gòu)見圖2。

特征應(yīng)用到網(wǎng)絡(luò)程序安全系統(tǒng)構(gòu)建中形成了獨(dú)特的變異運(yùn)算，可應(yīng)對(duì)云任務(wù)調(diào)度環(huán)境下的突發(fā)安全隱患。計(jì)算機(jī)軟件程序在網(wǎng)絡(luò)中運(yùn)行，對(duì)數(shù)據(jù)精準(zhǔn)度和運(yùn)行環(huán)境安全都要求極高，任何一項(xiàng)數(shù)據(jù)缺失都可能會(huì)造成最終的程序癱瘓，因此在構(gòu)件變異算法時(shí)不允許出現(xiàn)數(shù)據(jù)集合丟失的問題。變異算法中融合了遺傳算法與多樣性程序構(gòu)建原理，能夠基于原有數(shù)據(jù)分析運(yùn)算基礎(chǔ)上構(gòu)建出更具有適應(yīng)能力的程序安全控制框架。當(dāng)所處運(yùn)行環(huán)境中突發(fā)安全隱患問題，程序框架會(huì)自動(dòng)做出調(diào)整基于云調(diào)度環(huán)境下，改變資源獲取模式保障接下來的程序指令足夠精準(zhǔn)，并且能夠服務(wù)于程序安全使用。

（3）爬山算法

爬山算法是針對(duì)程序框架中數(shù)據(jù)庫層次劃分較多情況所開展的，是一種改進(jìn)后的局部選擇優(yōu)化模式，可以優(yōu)先判斷出程序運(yùn)行中最需要的數(shù)據(jù)資源，從網(wǎng)絡(luò)平臺(tái)中獲取并將其反饋到控制中心。在這一功能指令實(shí)現(xiàn)基礎(chǔ)上控制中心內(nèi)也會(huì)形成數(shù)據(jù)記錄，爬山算法中能夠提取所生成反饋信息中的特征，構(gòu)建出以節(jié)點(diǎn)為核心的多點(diǎn)分布數(shù)據(jù)資源安全控制模式。在爬山算法中，隨著數(shù)據(jù)結(jié)點(diǎn)的訪問能夠判斷出其數(shù)值是否屬于極大值，爬山運(yùn)算過程中發(fā)現(xiàn)極大之后則會(huì)做出標(biāo)記并返回到初始位置，再次進(jìn)行其他方面滴特征提取?？稍诙虝r(shí)間內(nèi)形成最大值與最小值的集合，根據(jù)程序運(yùn)行中的安全需求來對(duì)節(jié)點(diǎn)內(nèi)的參數(shù)做出替換，確保節(jié)點(diǎn)中的參數(shù)排布是由低至高的，形成類似于山坡逐漸升高的運(yùn)算模式。爬山算法中的功能層次劃分見圖3。

爬山算法使用中可以從低處逐漸循環(huán)到最大值的參數(shù)中，并能夠根據(jù)程序系統(tǒng)運(yùn)行中的安全性需求，靈活變化算法開展模式。爬山算法使用中也具有極強(qiáng)的聯(lián)系性，可以根據(jù)網(wǎng)絡(luò)安全系統(tǒng)設(shè)計(jì)功能請(qǐng)求與其他算法之間形成有效集合，共同為云任務(wù)調(diào)度環(huán)境下的資源獲取所服務(wù)。爬山算法主要思想是從當(dāng)前的節(jié)點(diǎn)開始，和周圍的鄰居節(jié)點(diǎn)的值進(jìn)行比較。如果當(dāng)前節(jié)點(diǎn)是最大的，那么返回當(dāng)前節(jié)點(diǎn)，作為最大值（即山峰最高點(diǎn)）；反之就用最高的鄰居節(jié)點(diǎn)來，替換當(dāng)前節(jié)點(diǎn)，從而實(shí)現(xiàn)向山峰的高處攀爬的目的[4]。如此循環(huán)直到最高點(diǎn)。在第二個(gè)序列中按照給定的交叉概率選擇需要交換的位置，將第二個(gè)序列中選中位置對(duì)應(yīng)的數(shù)值同第一個(gè)序列中對(duì)應(yīng)位置的數(shù)值交換，并按照交叉概率隨機(jī)產(chǎn)生待交換位置。

（4）粒子群算法框架構(gòu)建

粒子群算法基于云任務(wù)調(diào)度基礎(chǔ)上所開展的框架構(gòu)建，是以網(wǎng)絡(luò)安全系統(tǒng)為向?qū)нM(jìn)行的，針對(duì)系統(tǒng)運(yùn)行中比較常見的安全隱患來進(jìn)行節(jié)點(diǎn)分布。探測(cè)程序系統(tǒng)使用中網(wǎng)絡(luò)環(huán)境對(duì)其存在的威脅，框架構(gòu)建中所應(yīng)用的基礎(chǔ)算法，同樣需要在粒子群運(yùn)算模式中進(jìn)行對(duì)比。云任務(wù)調(diào)度環(huán)境下對(duì)信息獲取需求十分大，需要系統(tǒng)能夠在短時(shí)間內(nèi)處理大量信息，精準(zhǔn)的進(jìn)行數(shù)據(jù)信息之間的交互換。這便要求框架構(gòu)建中能夠?qū)?shù)據(jù)層做出詳細(xì)劃分，進(jìn)入到使用功能中，程序系統(tǒng)內(nèi)的數(shù)據(jù)庫選擇可以自動(dòng)對(duì)框架做出優(yōu)化[5]。除此之外所構(gòu)建的粒子群算法框架還應(yīng)該具有自我學(xué)習(xí)能力能夠適應(yīng)云任務(wù)調(diào)度環(huán)境中不斷變化的網(wǎng)絡(luò)信息資源。確定優(yōu)化獲取模式，并能夠充分利用網(wǎng)絡(luò)資源來強(qiáng)化自身程序運(yùn)行安全性，為最終的各項(xiàng)控制任務(wù)實(shí)現(xiàn)提供安全環(huán)境。粒子群算法中，自身對(duì)網(wǎng)絡(luò)安全環(huán)境具有一定的適應(yīng)能力，云任務(wù)調(diào)度在數(shù)據(jù)信息交換和參數(shù)獲取中數(shù)量十分大，所構(gòu)建的粒子群算法基礎(chǔ)框架不僅要考慮功能與安全性，還需要結(jié)合云任務(wù)調(diào)度基礎(chǔ)下的數(shù)據(jù)處理速度來進(jìn)行分析。

4 基于云任務(wù)調(diào)度及粒子群算法的網(wǎng)絡(luò)安全系統(tǒng)

仿真實(shí)驗(yàn)（Simulation experiment of network

security system based on cloud task scheduling

and particle swarm optimization）

基于云任務(wù)調(diào)度基礎(chǔ)上開展的粒子群算法，所構(gòu)建的網(wǎng)絡(luò)安全系統(tǒng)在使用前需要進(jìn)行仿真實(shí)驗(yàn)，觀察數(shù)據(jù)系統(tǒng)運(yùn)行中是否能夠在安全方面達(dá)到預(yù)期標(biāo)準(zhǔn)。尤其是針對(duì)程序使用中最常出現(xiàn)的數(shù)據(jù)隱患，仿真實(shí)驗(yàn)中需要模擬出網(wǎng)絡(luò)環(huán)境內(nèi)存在的風(fēng)險(xiǎn)隱患，對(duì)所構(gòu)建的原任務(wù)調(diào)度信息資源獲取結(jié)構(gòu)做出攻擊，并詳細(xì)記錄出處于風(fēng)險(xiǎn)環(huán)境內(nèi)云任務(wù)調(diào)度效果。通過仿真實(shí)驗(yàn)可以幫助確定系統(tǒng)內(nèi)程序設(shè)計(jì)的缺陷，并作為接下來程序優(yōu)化參照依據(jù)來使用，仿真實(shí)驗(yàn)建立中不僅要針對(duì)常規(guī)狀態(tài)下的風(fēng)險(xiǎn)隱患做出模擬，還應(yīng)該考慮云任務(wù)調(diào)度中可能會(huì)出現(xiàn)的最大隱患，確定極值下的數(shù)據(jù)使用安全情況，才能在云任務(wù)調(diào)度中更有效的規(guī)避風(fēng)險(xiǎn)。云任務(wù)調(diào)度仿真實(shí)驗(yàn)進(jìn)行需要涵蓋全面，能夠幫助了解到處于不同風(fēng)險(xiǎn)環(huán)境下算法應(yīng)用需要具備的能力，從而更深入的控制現(xiàn)場(chǎng)控制效率，幫助更高效的實(shí)現(xiàn)控制效率。仿真實(shí)驗(yàn)所得到的參數(shù)結(jié)果，在通過安全檢驗(yàn)標(biāo)準(zhǔn)后，可以作為初始化數(shù)據(jù)將其保存在程序內(nèi)，這樣在程序運(yùn)行使用中，一旦產(chǎn)生安全隱患，在程序初始化功能支持下，可以更快速的恢復(fù)云任務(wù)調(diào)度能力，確保數(shù)據(jù)系統(tǒng)內(nèi)可以更為高效的提升控制安全性，模擬神經(jīng)元網(wǎng)絡(luò)系統(tǒng)對(duì)云任務(wù)做出處理。在實(shí)驗(yàn)過程中混合粒子群法花費(fèi)更多的時(shí)間，卻能尋到更高質(zhì)量的解，并且隨著問題規(guī)模的增長，混合粒子群算法相對(duì)與標(biāo)準(zhǔn)粒子群算法在性能上也有一定的提高，因此混合粒子群算法也適合于解決大規(guī)模問題。從實(shí)驗(yàn)中容易看出，在費(fèi)用優(yōu)化方面混合粒子群算法有著顯著的效果，這對(duì)于總費(fèi)用通常較大的工作流而言可以節(jié)約一定的成本。

5 結(jié)論（Conclusion）

通過以上論述算法內(nèi)容可以總結(jié)到。本文整合截止時(shí)間約束下的工作流費(fèi)用優(yōu)化問題，并且提出了一種混合粒子群算法來實(shí)現(xiàn)調(diào)度問題。通過與標(biāo)準(zhǔn)粒子群算法在大量實(shí)例上進(jìn)行比較，結(jié)果表明，本文中的混合粒子群算法不僅加快了粒子群優(yōu)化算法的收斂速度而且避免了陷入局部最優(yōu)，還大大提高了原算法的求解質(zhì)量，可以作為求解云計(jì)算工作流費(fèi)用優(yōu)化問題的一種有效途徑。另外，在實(shí)際工作流調(diào)度中，并不一定單純?cè)诮刂箷r(shí)間約束下求的最小費(fèi)用或是給定最小費(fèi)用要求執(zhí)行時(shí)間最短，而是具有多目標(biāo)要求，下一步將主要研究多目標(biāo)的云計(jì)算任務(wù)調(diào)度問題。

參考文獻(xiàn)（References）

[1] 于國龍，崔忠偉，左羽.基于優(yōu)化的粒子群算法的云平臺(tái)任務(wù)調(diào)度方法[J].內(nèi)蒙古師大學(xué)報(bào)（自然漢文版），2016，45（2）：233-236.

[2] 田佳，胡威，李琳，等.基于粒子群優(yōu)化算法的多核處理器任務(wù)調(diào)度研究[J].計(jì)算機(jī)應(yīng)用研究，2017，34（12）：3698-3700.

[3] 喬楠楠，尤佳莉.一種面向網(wǎng)絡(luò)邊緣任務(wù)調(diào)度問題的多方向粒子群優(yōu)化算法[J].計(jì)算機(jī)應(yīng)用與軟件，2017，34（4）：309-315.

[4] 徐俊，湯庸，劉道余.基于混合差分粒子群算法的MapReduce任務(wù)調(diào)度算法研究[J].小型微型計(jì)算機(jī)系統(tǒng)，2016，37（7）：1479-1481.

[5] 劉春燕，楊巍巍.云計(jì)算基于遺傳粒子群算法的多目標(biāo)任務(wù)調(diào)度[J].計(jì)算機(jī)技術(shù)與發(fā)展，2017，27（2）：56-59.

作者簡(jiǎn)介：

李 根（1981-），男，碩士，講師.研究領(lǐng)域：大數(shù)據(jù)分析，網(wǎng)絡(luò)安全.