基于遺傳算法網格任務調度的研究

1、重慶大學碩士學位論文摘要中文摘要網格計算系統實現了不同地理分布的異構資源的共享、選擇和聚合，以解決在科研、工程、經濟學等領域大規(guī)模的計算問題。網格任務調度問題是網格領域的關鍵問題之一，它是以某一評價指標為依據，針對如何將提交的任務分配到相應的網格資源上運行的問題，提出一個合理有效的調度方案。調度策略的優(yōu)劣決定了是否能夠高效合理地分配和利用網格資源，減少網格任務的總體計算時間和花費，使得網格的性能達到最佳。網格環(huán)境下的任務調度問題是網格計

2、算的研究熱點之一。論文重點研究了以下幾方面的內容：①在綜述網格計算的研究背景及意義的基礎上，較全面地分析了網格任務調度的特點及其常用的調度算法。②提出了一種改進的基于遺傳算法的網格任務調度算法，在算法的初始化種群產生時引入MinMin算法和MaxMin算法以及采用Hamming距離來控制個體之間的差異，從而在提高初始種群質量的同時保證了種群的多樣性；在算法的迭代過程中提出了一種新的局部收斂判定標準以及相應的變異操作來防止算法的局部收斂。

3、③在本文的任務調度算法中采用DAG（DirectedAcyclicGraph）模型來描述并行任務之間的約束依賴關系，DAG模型更能真實地反映并行任務的實際情況，此外本文中的算法設計還考慮了處理器異構等因素。④構建現實當中的網格環(huán)境不僅花銷昂貴，而且時間上也不允許，且網格資源還具有多樣性和動態(tài)性等特性，因此利用實際網格系統來測試網格任務調度算法的性能和效率是不現實的，也是很困難的。一般地，我們借助網格模擬工具來進行相應的仿真試驗。作者利用

4、GridSim網格模擬器對本文改進的網格任務調度算法進行了仿真實驗，從最優(yōu)跨度的角度對實驗結果進行詳細的對比和分析。實驗結果表明，本文改進后的種群初始化方法不僅能夠提高算法的尋優(yōu)起點，而且能夠加快算法的尋優(yōu)速度；改進后的局部收斂判定標準及相應的局部收斂變異操作在預防早熟局部收斂的同時能夠提高算法的全局尋優(yōu)能力；改進后的基于遺傳算法的網格任務調度算法相比于基于自適應遺傳算法的調度算法，能夠有效地縮短任務的總體執(zhí)行時間，并且在大規(guī)模的網格任

5、務調度環(huán)境下具有良好的性能，能夠在實際網格環(huán)境中加以應用。關鍵詞：網格，任務調度，遺傳算法，局部收斂I重慶大學碩士學位論文英文摘要GridSimsimulationplatfmanalyzestheexerimentalresultsindetailfromthepointofviewaboutthemakespan.Theexperimentalresultsareanalyzedindetailthesimulationshowst

6、hattheimprovedpopulationinitializationmethodcannotonlyimprovethestartingpointofthealgithmoptimizationbutalsoacceleratethespeedofalgithmoptimization.Theimprovedprematureconvergencejudgementcriterionthecrespondingimprovedm

7、utationcanpredictetheprematureconvergenceimprovetheabilityofglobaloptimization.Inthegridtaskschedulingtheproposedalgithmisbetterthantheadaptivegeicalgithmitcaneffectivelyreducetheoverallexecutiontimeofthetotaltaskshavego