基于遺傳模擬退火算法的網(wǎng)格任務(wù)調(diào)度研究.pdf

1、網(wǎng)格計(jì)算是近年來(lái)的研究熱點(diǎn)之一。它可將高速互聯(lián)網(wǎng)、電腦、大型資料庫(kù)、傳感器、遠(yuǎn)端設(shè)務(wù)等融為一體，實(shí)現(xiàn)它們的全面共享與協(xié)同工作。網(wǎng)格任務(wù)調(diào)度是網(wǎng)格計(jì)算研究的核心內(nèi)容之一，如何合理地將仟?jiǎng)?wù)分配給不同資源，使整個(gè)網(wǎng)格系統(tǒng)達(dá)到最佳的性能，這是任務(wù)調(diào)度需要解決的問(wèn)題。由于網(wǎng)格自身的分布性、異構(gòu)性、動(dòng)態(tài)性和自治性，使得傳統(tǒng)的調(diào)度算法面臨新的挑[。因此，如何在現(xiàn)有調(diào)度算法的基礎(chǔ)上改進(jìn)優(yōu)化，盡可能提高網(wǎng)格系統(tǒng)的吞吐量，是一個(gè)重要而現(xiàn)實(shí)的問(wèn)題。
　

2、　 遺傳算法GA(Genetic Algorithm)和模擬退火算法SA(Simulated Annealing)是目前解決網(wǎng)格任務(wù)凋度比較有效的算法。兩種算法都是模擬自然界的某些現(xiàn)象進(jìn)行人規(guī)模優(yōu)化問(wèn)題求解的隨機(jī)性方法，都不要求目標(biāo)函數(shù)的連續(xù)性、可微性和凸性。GA有較強(qiáng)的全局搜索性能，但它的爬山能力弱，在實(shí)際應(yīng)用中容易產(chǎn)生早熟收斂的問(wèn)題，在進(jìn)化后期搜索效率較低。而SA卻具有擺脫局部最優(yōu)解的能力，能抑制遺傳算法的早熟現(xiàn)象，但它的進(jìn)化速度

3、慢。
　　 針對(duì)GA早熟收斂和SA進(jìn)化速度慢的問(wèn)題，本文結(jié)合兩算法的各自特點(diǎn)進(jìn)行改進(jìn)并設(shè)計(jì)了一種遺傳模擬退火算法GSAA(Genetic Simulated Annealing Algorithm)。GSAA基本思想是首先充分利用GA的群體性、全局收斂性、隨機(jī)性、快速搜索等優(yōu)勢(shì)生成初始解，即通過(guò)GA的遺傳操作產(chǎn)生初始解；隨后采用SA，對(duì)生成的初始解，利用SA的Metropolis準(zhǔn)則跳變特性決定是否接受由交叉和變異操作產(chǎn)生的新個(gè)