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(jì)算系統(tǒng)實(shí)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(jì)算問(wèn)題。網(wǎng)格任務(wù)調(diào)度問(wèn)題是網(wǎng)格領(lǐng)域的關(guān)鍵問(wèn)題之一，它是以某一評(píng)價(jià)指標(biāo)為依據(jù)，針對(duì)如何將提交的任務(wù)分配到相應(yīng)的網(wǎng)格資源上運(yùn)行的問(wèn)題，提出一個(gè)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(jì)算時(shí)間和花費(fèi)，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(wèn)題是網(wǎng)格計(jì)

2、算的研究熱點(diǎn)之一。論文重點(diǎn)研究了以下幾方面的內(nèi)容：①在綜述網(wǎng)格計(jì)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(diǎn)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(shí)引入MinMin算法和MaxMin算法以及采用Hamming距離來(lái)控制個(gè)體之間的差異，從而在提高初始種群質(zhì)量的同時(shí)保證了種群的多樣性；在算法的迭代過(guò)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(lái)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(lái)描述并行任務(wù)之間的約束依賴關(guān)系，DAG模型更能真實(shí)地反映并行任務(wù)的實(shí)際情況，此外本文中的算法設(shè)計(jì)還考慮了處理器異構(gòu)等因素。④構(gòu)建現(xiàn)實(shí)當(dāng)中的網(wǎng)格環(huán)境不僅花銷昂貴，而且時(shí)間上也不允許，且網(wǎng)格資源還具有多樣性和動(dòng)態(tài)性等特性，因此利用實(shí)際網(wǎng)格系統(tǒng)來(lái)測(cè)試網(wǎng)格任務(wù)調(diào)度算法的性能和效率是不現(xiàn)實(shí)的，也是很困難的。一般地，我們借助網(wǎng)格模擬工具來(lái)進(jìn)行相應(yīng)的仿真試驗(yàn)。作者利用

4、GridSim網(wǎng)格模擬器對(duì)本文改進(jìn)的網(wǎng)格任務(wù)調(diào)度算法進(jìn)行了仿真實(shí)驗(yàn)，從最優(yōu)跨度的角度對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行詳細(xì)的對(duì)比和分析。實(shí)驗(yàn)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(diǎn)，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(shí)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(shí)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(shí)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