異構(gòu)集群系統(tǒng)上基于入侵式雜草算法的任務(wù)調(diào)度研究.pdf

1、近來年隨著并行計(jì)算和互聯(lián)網(wǎng)技術(shù)的迅速發(fā)展，集群系統(tǒng)開始大量出現(xiàn)，并且由于其性能優(yōu)越、可擴(kuò)展性強(qiáng)、成本低廉、可靠性高等特點(diǎn)已逐漸成為高性能計(jì)算的主流平臺(tái)。同時(shí)，對于集群性能的研究也越來越受到學(xué)者們的關(guān)注，特別是對集群性能有著重要影響的任務(wù)調(diào)度問題更是研究熱點(diǎn)之一。
　　針對集群環(huán)境下的任務(wù)調(diào)度問題，目前已有很多有效的調(diào)度策略被提出，如啟發(fā)式算法中基于表調(diào)度的EFT(EarliestTimeFirst)、CPOP(CriticalPa

2、thONaProcessor)等，還有智能優(yōu)化算法中的遺傳算法、粒子群算法、蟻群算法等。這些算法各有特點(diǎn)，啟發(fā)式的算法一般都具有較低的時(shí)間復(fù)雜度和較高的執(zhí)行效率，但在尋優(yōu)質(zhì)量和魯棒性方面較差;而智能優(yōu)化類的算法一般在求解質(zhì)量、尋優(yōu)能力以及魯棒性方面表現(xiàn)優(yōu)異，但結(jié)構(gòu)復(fù)雜而且時(shí)間復(fù)雜度較高。另外，現(xiàn)已提出的任務(wù)調(diào)度算法中很多都是基于同構(gòu)計(jì)算環(huán)境的，對于目前更為復(fù)雜的異構(gòu)集群環(huán)境卻涉及較少。
　　本文對異構(gòu)集群環(huán)境下任務(wù)調(diào)度的概念、特點(diǎn)

3、及目標(biāo)進(jìn)行了詳細(xì)地介紹，還對面向依賴型任務(wù)調(diào)度問題的DAG(DirectedAcyclicGraph)模型進(jìn)行了綜述，并基于一種新興仿生智能優(yōu)化算法IWO(InvasiveWeedOptimization)提出了一種面向異構(gòu)集群的入侵式雜草任務(wù)調(diào)度算法IWOTS(InvasiveWeedOptimizationTaskScheduling)。該算法將IWO在尋優(yōu)能力、收斂性能及魯棒性方面的優(yōu)勢與HEFT算法高效率和低復(fù)雜度的特點(diǎn)融合在一

4、起。實(shí)驗(yàn)結(jié)果表明，IWOTS在最優(yōu)解質(zhì)量、魯棒性及適用規(guī)模等方面較HEFT(HeterogeneousEarliest-Finish-Time)、GA(GeneticAlgorithm)等算法表示出了更好的性能。
　　最后，針對IWO中容易出現(xiàn)的早熟現(xiàn)象的問題，提出了一種IWOAP(InvasiveWeedOptimizationusingAvoidPrecocitystrategy)算法，使用個(gè)體衰老、濃度控制及除草劑等策略對I