基于可用性任務調度問題的粒子群算法研究與實現.pdf

1、隨著計算機技術的不斷發(fā)展,分布式異構系統(tǒng)開始越來越多地用在大型復雜問題的解決方案里。該系統(tǒng)把網絡中的計算機、工作站等計算資源整合到一起,使之實現全系統(tǒng)內的資源共享,通過高效的資源管理和任務調度技術使系統(tǒng)達到高性能。然而這些資源是有限的,為了讓有限的資源能夠盡量滿足需要,就必須要合理的利用資源,盡可能的降低系統(tǒng)的開銷。任務調度技術是使系統(tǒng)達效的關鍵性技術之一。在一般情況下的任務調度問題屬于NP完全問題,很難在合理時間內探求其精確解,因此目

2、前主要是用伺機載入平衡(Opportunistic Load Balancing)、最小完成時間(Minimum Completion Time)、模擬退火(Simulated Annealing)、禁忌搜索(Tabu Search)、遺傳算法(Genetic Algorithm)、神經網絡(neural networks),極小算法(Min-min),極大極小算法(Max-min)等算法來求該問題的近似最優(yōu)解。
　　 粒子群算

3、法是從鳥類的群體覓食行為中得到啟發(fā),基于人工生命和演化計算理論而提出的一種智能優(yōu)化算法,它同時保留和利用了位置與速度信息,在大多數情況下都能很快收斂于最優(yōu)值。由于粒子群算法思想直觀、實現簡單而且具有很高的執(zhí)行效率,現在已經被作為一個獨立的分支,與遺傳算法、進化規(guī)劃等進化算法相提并論。近十年內粒子群算法被廣泛地應用于優(yōu)化計算、神經網絡以及人工智能等多個領域。可用性是分布式異構系統(tǒng)的一個基本性能參數。它是指節(jié)點有效計算時間在其整個運行時間中

4、所占的比率。本文在現有粒子群算法的設計框架下,結合遺傳算法里的輪盤賭選擇來改進基本粒子群算法,同時還對粒子群算法中的編碼,適應度函數進行研究,以形成算法的整體思想,來對任務調度問題中的可用性問題進行了深入研究。首先,我們假設任務之間是相互獨立的,不同節(jié)點的可用性與計算能力各異,且不同任務在不同節(jié)點上的可用性的要求也不同。然后提出一個基于粒子群算法的任務調度算法對分布式異構系統(tǒng)可用性做有效改進。最后,采用實驗模擬工具SimGrid,對本文