基于遗传算法的自适应网格任务调度方法下载

weixin_39821746 2019-10-25 11:30:15

文章提出了一种以资源代理为基础的任务调度方法--GMBSA，该方法先对任务执行时间进行预测，然后运用遗传算法结合多队列Backfilling方法进行任务调度，达到最小化任务执行时间(Minimum Execution Time)的要求，最终实现网格资源的优化分配。试验中采用Simgrid任务调度模拟器对GMBSA的性能进行了测试，并比较了轻重负载情况下GMBSA，多队列Backfilling和FCFS三种调度方案的性能差异。
相关下载链接：//download.csdn.net/download/deruogu/1870651?utm_source=bbsseo

...全文

14 回复打赏收藏转发到动态举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

文章提出了一种以资源代理为基础的任务调度方法--GMBSA，该方法先对任务执行时间进行预测，然后运用遗传算法结合多队列Backfilling方法进行任务调度，达到最小化任务执行时间(Minimum Execution Time)的要求，最终实现网格资源的优化分配。试验中采用Simgrid任务调度模拟器对GMBSA的性能进行了测试，并比较了轻重负载情况下GMBSA，多队列Backfilling和FCFS三种调度方案的性能差异。

任务调度策略是网格计算的核心问题。在系统任务调度和资源分配中，提出一种基于量子蚁群算法的任务调度策略。算法将量子计算与蚁群算法相融合，通过对蚁群进行量子化编码并采用量子旋转门及非门操作，实现对任务自适应启发式的分配和优化。算法有效增强了种群的多样性、克服了遗传算法和蚁群算法的早熟收敛和退化现象。仿真实验中，分别与基于遗传算法和基于蚁群算法的任务调度策略相对比，结果表明算法有效缩短了任务调度的时间跨度，增强了网格系统的性能。

针对传统任务调度算法效率较低、资源负载不平衡等缺点,基于遗传算法,考虑现代网格系统异构性和动态性的特点,提出一种有效的交叉概率和变异概率自适应更新方法,提高遗传算法的全局搜索能力和收敛速度.仿真实验表明,改进后的遗传算法在进化速度上有明显提升,可较好地处理网格任务调度问题,提高任务调度效率,降低资源负载的不平衡性.

动态网格环境中, 多QoS(服务质量)约束下的工作流调度问题是决定其任务执行成功与否及效率高低的关键。现有的网格工作流调度算法难以满足实际应用中的不同需求, 同时算法欠优化, 难以提供多种策略, 由此提出了一种基于期限与预算两个QoS约束的改进型混沌遗传算法。首先, 为避免算法出现收敛停滞将混沌机制引入遗传算法并对变异概率进行自适应处理。其次, 提出时间和预算的线性结合概念, 将目标函数转换为适应值函数。最终基于工作流调度中的平衡结构和非平衡结构测试了算法的有效性。

网格环境下改进的独立任务调度遗传算法.pdf

下载资源悬赏专区

13,654

社区成员

12,574,394

社区内容

发帖

与我相关

我的任务

其他技术论坛（原bbs）

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章