并行算法中基于移動Agent的數據集均衡策略的研究.pdf

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

2、bile Agent Velocity)和基于移動Agent調度的數據集均衡策略DBSMAS(DataSet Balancing Strategy Based on Mobile Agent Scheduling).目前對如此細粒度的負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)網格上面的粗粒度負載均衡算法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)在計算結點的內存足夠大時能夠比較準確地反映計算結點的計算能力.DBSMAV策略按照各個計算結點的MAV分

4、配數據集,較好地克服了異構系統(tǒng)中平均分配數據集造成的失衡.為了解決由于內存的影響而導致的負載失衡現象,我們提出了DBSMAS策略.DBSMAS策略按照重負載優(yōu)先調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攜帶數據集進行遷移,使系統(tǒng)重新達到了平衡狀態(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