基于遗传算法多qos约束网格任务调度算法的研究

《基于遗传算法多qos约束网格任务调度算法的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、万方数据摘要摘要网格计算是一种具有重要创新思想与巨大发展潜力的分支网络计算。它实现了将分布在不同地理位置的异构资源协同工作，以解决科学研究中的复杂问题。任务调度是网格计算中三个必须具备的基本功能之一，任务调度算法的优劣直接影响网格系统的性能。近年来服务质量（QualityofService，QoS）倍受关注，如何更好的满足网格用户与资源提供者的需求，已成为主要的研究方向，然而，目前多数的任务调度算法只考虑一种或固定的QoS，具有一定的局限性。本文首先介绍网格的相关概念及其体系结构，并研究了网格环境下QoS的层次结

2、构。接着，分析了网格环境下任务调度的特点和评价机制，详细介绍了网格任务调度中遗传算法的实现技术，并对现有的基于QoS约束的网格任务调度算法进行了分析研究；最后，把多目标优化问题的原理应用于多QoS约束的网格任务调度问题中，提出使用非支配排序遗传算法来解决多QoS约束的任务调度问题，并采用双倍初始种群的方法来提高算法初期的性能，使用Metropolis准则来筛选交叉和变异所产生的子个体来加强遗传算法的局部优化性能。本文通过GridSim构建仿真环境，并对新的算法进行了仿真实验。仿真实验表明，新的算法能获得更优的性能

3、。当然，本文的研究只是网格多QoS约束的一个初步尝试，并没有考虑实际的情况，如网格状况，任务间通信等，而且新的算法并没有在实际的网格环境中进行测试，这都有待进一步的研究。关键词：网格计算；任务调度；服务质量；遗传算法；GridSimI万方数据AbstractAbstractGridcomputingisabranchofNetworkComputing,withimportantinnovativeideasandenormousdevelopmentpotential.Itenablesthegeographi

4、callydistributedheterogeneousresourcestoworktogetherforsolvinglarge-scaleproblemsinscience.Thetaskschedulingisoneofthethreebasicfunctionsthatthegridmusthave,andtheperformanceoftaskschedulingalgorithmwillaffecttheefficiencyofthegridsystemdirectly.QoShasreceive

5、dmuchattentioninrecentyears,andhowtosupplythedemandbetweenthegridusersandresourceproviders,hasbecomeamajorresearchdirection.However,thecurrenttaskschedulingalgorithmsonlyconcernedoneorspecialQoSconstraints，whichhaveobviouslylimitations.Firstly,thisthesisintro

6、ducestheconceptandarchitectureofthegrid,andstudiesthelayermodelofgridQoS.Secondly,itanalysisthecharacteristicsandthegoalofthegridtaskscheduling,anddetailstheimplementationtechniqueofGeneticAlgorithm(GA)ingrid,andresearchesonthegridtaskschedulingalgorithmswith

7、QoSconstrains;Finally,baseontheprincipleofMulti-objectOptimization(MO),anon-dominatedsortinginGeneticAlgorithm(NSGA)wasputforwardforresolvingthegridtaskschedulingproblemwithmultipleQoSconstrains.Thenewalgorithmusesdouble-sizeinitializationforincreasingperform

8、anceatinitialstage,andadoptstheMetropolisruletodeterminewhethertoacceptthenewindividualgeneratedbythecrossoverormutationoperation,increasinglocaloptimization.Thisthesis,throughconstructin