基于遺傳算法的網(wǎng)格任務(wù)調(diào)度的研究與仿真.pdf

1、網(wǎng)格是一個(gè)集成的計(jì)算與資源環(huán)境,它能充分吸納各種計(jì)算資源,并將它們轉(zhuǎn)化成一種隨處可得的、可靠的、標(biāo)準(zhǔn)的同時(shí)還是經(jīng)濟(jì)的計(jì)算能力,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,如何合理地將任務(wù)分配給不同資源,使整個(gè)網(wǎng)格系統(tǒng)達(dá)到最佳的性能,這是任務(wù)調(diào)度需要解決的問題。由于網(wǎng)格自身的分布性、異構(gòu)性、動(dòng)態(tài)性和自治性,使得傳統(tǒng)的調(diào)度算法面臨新的挑戰(zhàn)。
　　因此,如何在現(xiàn)有調(diào)度算法的基礎(chǔ)上提出一個(gè)好的調(diào)度算法,盡可能提高網(wǎng)格系統(tǒng)的吞

2、吐量,是一個(gè)重要而現(xiàn)實(shí)的問題。遺傳算法是近年興起的一種用于解決優(yōu)化問題的啟發(fā)式算法,被廣泛用于解決各類NP問題和任務(wù)調(diào)度問題。有仿真實(shí)驗(yàn)證明:在處理調(diào)度問題時(shí),遺傳算法與傳統(tǒng)調(diào)度算法相比更具優(yōu)越性。由于基本遺傳算法SGA(Simple GeneticAlgorithm)本身存在一定的缺陷,比如“早熟”收斂和“欺騙”問題,因此大批學(xué)者都致力于改進(jìn)遺傳算法的探索和研究中。
　　本文深入解析了遺傳算法和模擬退火算法SA(Simulate

3、d Annealing)的基本原理,針對(duì)SGA的不足,提出了一種混合遺傳算法HGA(Hybrid Genetic Algorithm)。HGA在SGA的基礎(chǔ)上,主要改進(jìn)了以下幾個(gè)方面:借鑒了模擬退火的思想,根據(jù)SA中的Metropolis準(zhǔn)則決定是否接受由交叉和變異操作產(chǎn)生的新個(gè)體,使得在接受優(yōu)質(zhì)解的同時(shí),也有限度的接受劣質(zhì)解,保證了種群的多樣性;采用了自適應(yīng)交叉和變異概率;適當(dāng)?shù)馗倪M(jìn)了遺傳操作。根據(jù)網(wǎng)格任務(wù)調(diào)度的特點(diǎn),本文詳細(xì)設(shè)計(jì)了混