基于主機(jī)負(fù)載預(yù)測(cè)的機(jī)群動(dòng)態(tài)任務(wù)調(diào)度策略研究.pdf

1、機(jī)群系統(tǒng)的迅速發(fā)展使其成為并行計(jì)算系統(tǒng)中令人矚目的一族。機(jī)群系統(tǒng)的異構(gòu)性、開(kāi)放性和網(wǎng)絡(luò)延遲特性給網(wǎng)絡(luò)并行計(jì)算帶來(lái)了新的挑戰(zhàn)。其中，任務(wù)調(diào)度策略是影響機(jī)群系統(tǒng)性能的關(guān)鍵，已經(jīng)發(fā)展成為并行處理領(lǐng)域中的研究熱點(diǎn)。任務(wù)調(diào)度問(wèn)題就是指如何把一組任務(wù)分配給處理機(jī)去執(zhí)行，獲得最短的執(zhí)行時(shí)間。有效的任務(wù)調(diào)度將使得機(jī)群系統(tǒng)中的各處理機(jī)能夠更好地協(xié)調(diào)工作，從而充分發(fā)揮機(jī)群系統(tǒng)的計(jì)算潛力。 由于機(jī)群系統(tǒng)上任務(wù)調(diào)度問(wèn)題的一般形式和幾種受限形式都是NP完

2、全問(wèn)題，為此，各國(guó)研究人員對(duì)其進(jìn)行了大量的研究，提出了一系列動(dòng)態(tài)任務(wù)調(diào)度算法。所有這些方法都從某方面改進(jìn)了動(dòng)態(tài)負(fù)載均衡，提高了機(jī)群的性能。但由于機(jī)群系統(tǒng)的任務(wù)是在各結(jié)點(diǎn)動(dòng)態(tài)分配生成，并且各結(jié)點(diǎn)的負(fù)載會(huì)發(fā)生動(dòng)態(tài)變化，這就給機(jī)群環(huán)境中任務(wù)的合理分配與調(diào)度提出重大挑戰(zhàn)。如果在任務(wù)分配與調(diào)度之前能對(duì)主機(jī)負(fù)載進(jìn)行精確的預(yù)測(cè)與度量，這必將很好的改進(jìn)機(jī)群系統(tǒng)中任務(wù)調(diào)度的策略，提高機(jī)群并行計(jì)算的效率。 準(zhǔn)確預(yù)測(cè)主機(jī)負(fù)載是實(shí)現(xiàn)高效動(dòng)態(tài)負(fù)載均衡的關(guān)

3、鍵，也是判斷負(fù)載是否出現(xiàn)異常的重要依據(jù)。傳統(tǒng)的預(yù)測(cè)方法是將負(fù)載看作平穩(wěn)時(shí)間序列，采用線性預(yù)測(cè)模型進(jìn)行預(yù)測(cè)，方法簡(jiǎn)單但預(yù)測(cè)精度不高。由于主機(jī)負(fù)載具有非線性、非平穩(wěn)的特征，而人工神經(jīng)網(wǎng)絡(luò)不需要建立精確的數(shù)學(xué)模型，具有較好的非線性特性，這就為主機(jī)負(fù)載預(yù)測(cè)開(kāi)辟了新的途徑。但人工神經(jīng)網(wǎng)絡(luò)存在易陷入局部極小值、全局搜索能力弱的缺點(diǎn)，而遺傳算法具有較好的全局尋優(yōu)搜索能力。遺傳神經(jīng)網(wǎng)絡(luò)是將兩者有機(jī)結(jié)合，利用遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)初始權(quán)值，既保留了遺傳算法

4、全局尋優(yōu)能力強(qiáng)的優(yōu)點(diǎn)，又兼有神經(jīng)網(wǎng)絡(luò)的非線性特性和快速收斂性。 本文分析了采用時(shí)間序列方法進(jìn)行主機(jī)負(fù)載預(yù)測(cè)時(shí)存在的不足，提出采用遺傳神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型進(jìn)行主機(jī)負(fù)載預(yù)測(cè)，建立了預(yù)測(cè)模型并進(jìn)行了實(shí)驗(yàn)評(píng)估。針對(duì)物探數(shù)據(jù)處理問(wèn)題，將主機(jī)負(fù)載預(yù)測(cè)和動(dòng)態(tài)任務(wù)調(diào)度進(jìn)行有效結(jié)合，并對(duì)傳統(tǒng)的集中式任務(wù)調(diào)度策略(CJD)進(jìn)行改進(jìn)，設(shè)計(jì)出基于PVM平臺(tái)的動(dòng)態(tài)任務(wù)調(diào)度策略(CJD-HLP)，給出了該調(diào)度策略的實(shí)現(xiàn)模型和算法。最后，采用一個(gè)地質(zhì)勘探中的電法