欢迎来到天天文库
浏览记录
ID:36767969
大小:2.64 MB
页数:52页
时间:2019-05-15
《QoS优化的网格工作流调度算法研究》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、QoS优化的网格工作流调度算法研究摘要网格工作流是将工作流管理和网格计算相融合,为下一代分布式协作的工作流系统设计提供了一种非常有前景的解决方案,它可以方便地构建、执行调度、管理和监控网格应用,使得网格应用能够自动实施并且效率较高。网格工作流调度是网格工作流管理中的一个关键问题,适当的调度对系统的性能可产生重要的影响,它直接影响网格工作流的执行成功与否和效率的高低。通常,网格工作流调度是一个NP完全问题。因此,研究开发性能优良的网格工作流调度算法有重要的理论价值。本文分析和讨论了~些典型网格工作流调度
2、算法、网格工作流管理系统中的调度问题,阐述了网格工作流调度问题中涉及的关键技术,指出了现有算法中存在的一些不足,并展望了该领域的进一步研究方向;给出了一种可扩展的网格服务QoS参数构造模型,定义了网格服务多维QoS参数的效用更新函数,提出了一种网格工作流QoS的估算算法。针对现有的网格工作流调度算法存在一个或多个以下缺陷:大多只考虑DAG结构的网格工作流、涉及QoS参数较少、将多维QoS参数聚合成一个单目标函数进行优化调度的现状,应用NSGA.II和MOPSOCD算法,本文设计了两种QoS约束的多目标
3、优化的网格工作流调度算法GWNSGA2和GWMOPSO。这两种调度算法基于表达结构丰富的AGWL网格工作流模型,能表达更复杂的网格工作流应用,考虑了响应时间、服务费用、可靠性、可利用性、声誉5维OoS参数,将这5维QoS参数分别设置为5个目标函数,同时也设置5个约束条件进行多目标优化。通过一个典型网格工作流实例进行实验比对,实验结果和理论分析均表明了两算法的可行性和有效性。关键词:服务质量网格服务网格工作流调度遗传算法粒子群优化QOSOPTIMAI,GRIDWORKFLOWSCHEDUUNGALGOR
4、ITHMABSTRACTGridworkflowisthecombinationofgridandworkflowmanagementwhichprovidesahighlypromisingsolutionforthedesignofthenextgenerationofdistributed,andcollaborativeworkflowsystem.Itcanconvenientlyconstruct,execute,schedule,manageandmonitorgridapplicati
5、ons,anditprovidestheautogridapplicationswithgreatefficiency.Gridworkflowscheduling,asoneofthekeyissuesinthegridworkflowmanagement,candirectlyaffecttheSUCCESSandefficiencyofgridworkflow,andcanhavesignificantimpactontheperformanceofthesystem.Ingeneral,gri
6、dworkflowschedulingisanNP’completeproblem.Becauseofitsimportance,agridworkflowschedulingalgorithmwithgoodperformancehasimportanttheoreticalvalueandpracticalsignificance.Inthepaper,theschedulingproblemsintypicalgridworkflowmanagementsystemsandseveraltypi
7、calgridworkflowschedulingalgorithmsareanalyzed.Wealsointroducethekeytechnologiesofgridworkflowschedulingandpointouttheshortcomingsandthefurtherresearchtrendsinthefield.Furthermore,wepresentthescalableQoSparametersstructuremodelofgridservice,anddefinethe
8、‘utilityupdatingfunctionsofitsmultidimensionalOoSparameters.IIIFinally,weproposetheQoSestimationalgorithmforgridworkflow.Existinggridworkflowschedulingalgorithmscommonlysufferbyolleorseveralofthefollowingdrawbacks:moreconsiderati
此文档下载收益归作者所有