基于混合蛙跳算法的網(wǎng)格任務(wù)調(diào)度研究.pdf

1、網(wǎng)格是一個(gè)集成的計(jì)算與資源環(huán)境，它將網(wǎng)絡(luò)上分布在不同地理位置的各種資源整合起來，以實(shí)現(xiàn)資源的全面共享。網(wǎng)格任務(wù)調(diào)度是網(wǎng)格研究的核心內(nèi)容之一，其要解決的問題是如何合理地把任務(wù)分配在不同的資源上，使整個(gè)網(wǎng)格系統(tǒng)達(dá)到最佳的性能。由于網(wǎng)格中資源的分布性、異構(gòu)性、動(dòng)態(tài)性和自治性等特點(diǎn)，使得任務(wù)調(diào)度變得極其復(fù)雜，因此研究并提出一種網(wǎng)格環(huán)境中的合理高效的任務(wù)調(diào)度算法具有重要意義。
　　 混合蛙跳算法（SFLA）是最近發(fā)展起來的一種用于解決最優(yōu)

2、化問題的啟發(fā)式算法。本文在介紹了網(wǎng)格及其任務(wù)調(diào)度的概念和特點(diǎn)的基礎(chǔ)上，首次將混合蛙跳算法應(yīng)用到網(wǎng)格任務(wù)調(diào)度問題中，并分為元任務(wù)調(diào)度和依賴任務(wù)調(diào)度兩種情況進(jìn)行了研究。
　　 在元任務(wù)調(diào)度中，本文結(jié)合了網(wǎng)格任務(wù)調(diào)度的問題本質(zhì)，提出了一種基于混合蛙跳算法的SFLAPS算法，它對(duì)原算法主要作了如下改進(jìn)：利用Min-Min算法改善了初始種群質(zhì)量；提出了離散化的局部更新機(jī)制和基于概率選擇的局部更新機(jī)制，以適應(yīng)調(diào)度問題；引入子模因群對(duì)局部更新

3、策略進(jìn)行優(yōu)化，避免早熟收斂。文中詳細(xì)設(shè)計(jì)了SFLAPS算法的各個(gè)組成部分，然后用GridSim做了大量的仿真實(shí)驗(yàn)，找出適合于網(wǎng)格任務(wù)調(diào)度的算法參數(shù)的指導(dǎo)范圍，并和Min-Min算法、遺傳算法進(jìn)行比較分析，驗(yàn)證了SFLAPS算法在解質(zhì)量，穩(wěn)定性和收斂速度方而的優(yōu)越性。
　　 在依賴任務(wù)調(diào)度中，首先對(duì)問題進(jìn)行了描述，確定了任務(wù)及其關(guān)系的表示和存儲(chǔ)分別使用DAG圖和依賴矩陣。本文在元任務(wù)調(diào)度算法SFLAPS的基礎(chǔ)上，提出了可用于依賴任