并行算法中基于移動Agent的數(shù)據(jù)集均衡策略的研究.pdf

1、解決并行算法中的數(shù)據(jù)分配問題,目前采用的主要方法是在各個計算結(jié)點上平均分配數(shù)據(jù).如果并行系統(tǒng)是同構(gòu)的,采用這種方法設(shè)計的算法具有很高的運行效率.但是在異構(gòu)系統(tǒng)下,由于各個計算結(jié)點的性能不同,平均分配數(shù)據(jù)集的方法就有可能導(dǎo)致系統(tǒng)的負(fù)載失衡.該文提出了在并行算法中使用的基于移動agent的數(shù)據(jù)集負(fù)載均衡策略:基于移動Agent綜合處理速度的數(shù)據(jù)集均衡策略DBSMAV(DataSet Balancing StrategyBased on Mo

2、bile Agent Velocity)和基于移動Agent調(diào)度的數(shù)據(jù)集均衡策略DBSMAS(DataSet Balancing Strategy Based on Mobile Agent Scheduling).目前對如此細(xì)粒度的負(fù)載均衡問題所作的研究工作還很少,該文的工作借鑒了NASA所建立的IPG(Information Power Grid)網(wǎng)格上面的粗粒度負(fù)載均衡算法PLUM(ParallelLoad balancing f

3、or Unstructured Meshes)、SBN(Symmetric Broadcast Network)、MinEX(Minimal Extra overhead),也參考了接收者發(fā)起的分布式啟發(fā)性算法,并結(jié)合了移動Agent的思想.理論和實驗證明,移動Agent綜合處理速度MAV(Mobile Agent Velocity)在計算結(jié)點的內(nèi)存足夠大時能夠比較準(zhǔn)確地反映計算結(jié)點的計算能力.DBSMAV策略按照各個計算結(jié)點的MAV分

4、配數(shù)據(jù)集,較好地克服了異構(gòu)系統(tǒng)中平均分配數(shù)據(jù)集造成的失衡.為了解決由于內(nèi)存的影響而導(dǎo)致的負(fù)載失衡現(xiàn)象,我們提出了DBSMAS策略.DBSMAS策略按照重負(fù)載優(yōu)先調(diào)度和整體上減少系統(tǒng)執(zhí)行時間的原則,命令一部分移動Agent攜帶數(shù)據(jù)集進(jìn)行遷移,使系統(tǒng)重新達(dá)到了平衡狀態(tài).實驗證明,我們所研究的均衡策略,利用移動Agent的移動性,很好地解決了負(fù)載失衡問題,提高了程序的執(zhí)行效率.較之于傳統(tǒng)的算法,我們策略的特點是優(yōu)先保證提高程序的執(zhí)行速度(平衡