基于遺傳算法網(wǎng)格任務(wù)調(diào)度的研究

1、重慶大學(xué)碩士學(xué)位論文摘要中文摘要網(wǎng)格計算系統(tǒng)實現(xiàn)了不同地理分布的異構(gòu)資源的共享、選擇和聚合，以解決在科研、工程、經(jīng)濟(jì)學(xué)等領(lǐng)域大規(guī)模的計算問題。網(wǎng)格任務(wù)調(diào)度問題是網(wǎng)格領(lǐng)域的關(guān)鍵問題之一，它是以某一評價指標(biāo)為依據(jù)，針對如何將提交的任務(wù)分配到相應(yīng)的網(wǎng)格資源上運行的問題，提出一個合理有效的調(diào)度方案。調(diào)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(wǎng)格資源，減少網(wǎng)格任務(wù)的總體計算時間和花費，使得網(wǎng)格的性能達(dá)到最佳。網(wǎng)格環(huán)境下的任務(wù)調(diào)度問題是網(wǎng)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(nèi)容：①在綜述網(wǎng)格計算的研究背景及意義的基礎(chǔ)上，較全面地分析了網(wǎng)格任務(wù)調(diào)度的特點及其常用的調(diào)度算法。②提出了一種改進(jìn)的基于遺傳算法的網(wǎng)格任務(wù)調(diào)度算法，在算法的初始化種群產(chǎn)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(zhì)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(biāo)準(zhǔn)以及相應(yīng)的變異操作來防止算法的局部收斂。

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

4、GridSim網(wǎng)格模擬器對本文改進(jìn)的網(wǎng)格任務(wù)調(diào)度算法進(jìn)行了仿真實驗，從最優(yōu)跨度的角度對實驗結(jié)果進(jìn)行詳細(xì)的對比和分析。實驗結(jié)果表明，本文改進(jìn)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(jìn)后的局部收斂判定標(biāo)準(zhǔn)及相應(yīng)的局部收斂變異操作在預(yù)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(jìn)后的基于遺傳算法的網(wǎng)格任務(wù)調(diào)度算法相比于基于自適應(yīng)遺傳算法的調(diào)度算法，能夠有效地縮短任務(wù)的總體執(zhí)行時間，并且在大規(guī)模的網(wǎng)格任

5、務(wù)調(diào)度環(huán)境下具有良好的性能，能夠在實際網(wǎng)格環(huán)境中加以應(yīng)用。關(guān)鍵詞：網(wǎng)格，任務(wù)調(diào)度，遺傳算法，局部收斂I重慶大學(xué)碩士學(xué)位論文英文摘要GridSimsimulationplatfmanalyzestheexerimentalresultsindetailfromthepointofviewaboutthemakespan.Theexperimentalresultsareanalyzedindetailthesimulationshowst

6、hattheimprovedpopulationinitializationmethodcannotonlyimprovethestartingpointofthealgithmoptimizationbutalsoacceleratethespeedofalgithmoptimization.Theimprovedprematureconvergencejudgementcriterionthecrespondingimprovedm

7、utationcanpredictetheprematureconvergenceimprovetheabilityofglobaloptimization.Inthegridtaskschedulingtheproposedalgithmisbetterthantheadaptivegeicalgithmitcaneffectivelyreducetheoverallexecutiontimeofthetotaltaskshavego