6、基于遗传算法的动态架构部署方法

基于遗传算法的动态架构部署方法

1. 引言

当代计算系统面临着各种复杂任务的需求，这就要求精确部署执行这些任务的组件。例如，在具有多个单板计算机（SBC）的服务机器人系统中，用户可能同时请求多种任务，如移动、语音识别、跟随人类和文本转语音等。每个任务由一组通过架构配置组织的组件组成，这些组件执行各自的功能为用户提供服务。组件必须部署到具有计算能力的计算单元中才能执行。

组件部署到计算单元的方式会影响任务的性能。如果系统只有一个计算单元，所有组件都部署在该单元中，就无法通过改变部署方式来提高性能。而如果系统有多个计算单元，则可以考虑通过改变部署方式来提升性能。不同的组件部署实例会产生不同的性能结果，因为计算单元的资源不同。集中部署到某个计算单元可能会导致资源争用和执行延迟问题。因此，当用户请求具有多个计算单元的系统执行多个任务时，系统需要一种部署方法来提高性能。

在确定构成任务架构配置的组件部署时，快速准确地做出部署决策非常重要。由于即使计算单元和组件数量较少，候选部署实例的数量也会呈指数级增长，因此部署实例选择方法必须高效地搜索为用户提供最有效性能的最佳部署实例。穷举搜索方法能保证找到最佳实例，但搜索时间长；贪心搜索方法能快速找到解决方案，但不能保证找到最佳实例。

本研究提出了一种基于遗传算法的选择方法，用于在一组候选部署实例中搜索最优实例。该方法反复生成世代，找到的解决方案能快速收敛到最佳实例。与穷举搜索方法和贪心搜索方法相比，该方法能更快速、准确地搜索到最优实例。

2. 动机示例

服务机器人系统（如Care - O - bot和家庭服务机器人）有多个称为单板计算机（SBC）的计算系统，其计算能力与台式机或笔记本电