基于遺傳模擬退火算法的網(wǎng)格任務調(diào)度研究.pdf

1、網(wǎng)格計算是近年來的研究熱點之一。它可將高速互聯(lián)網(wǎng)、電腦、大型資料庫、傳感器、遠端設務等融為一體，實現(xiàn)它們的全面共享與協(xié)同工作。網(wǎng)格任務調(diào)度是網(wǎng)格計算研究的核心內(nèi)容之一，如何合理地將仟務分配給不同資源，使整個網(wǎng)格系統(tǒng)達到最佳的性能，這是任務調(diào)度需要解決的問題。由于網(wǎng)格自身的分布性、異構(gòu)性、動態(tài)性和自治性，使得傳統(tǒng)的調(diào)度算法面臨新的挑[。因此，如何在現(xiàn)有調(diào)度算法的基礎上改進優(yōu)化，盡可能提高網(wǎng)格系統(tǒng)的吞吐量，是一個重要而現(xiàn)實的問題。
　

2、　 遺傳算法GA(Genetic Algorithm)和模擬退火算法SA(Simulated Annealing)是目前解決網(wǎng)格任務凋度比較有效的算法。兩種算法都是模擬自然界的某些現(xiàn)象進行人規(guī)模優(yōu)化問題求解的隨機性方法，都不要求目標函數(shù)的連續(xù)性、可微性和凸性。GA有較強的全局搜索性能，但它的爬山能力弱，在實際應用中容易產(chǎn)生早熟收斂的問題，在進化后期搜索效率較低。而SA卻具有擺脫局部最優(yōu)解的能力，能抑制遺傳算法的早熟現(xiàn)象，但它的進化速度

3、慢。
　　 針對GA早熟收斂和SA進化速度慢的問題，本文結(jié)合兩算法的各自特點進行改進并設計了一種遺傳模擬退火算法GSAA(Genetic Simulated Annealing Algorithm)。GSAA基本思想是首先充分利用GA的群體性、全局收斂性、隨機性、快速搜索等優(yōu)勢生成初始解，即通過GA的遺傳操作產(chǎn)生初始解；隨后采用SA，對生成的初始解，利用SA的Metropolis準則跳變特性決定是否接受由交叉和變異操作產(chǎn)生的新個