并行算法中基于移動(dòng)Agent的數(shù)據(jù)集均衡策略的研究.pdf

1、解決并行算法中的數(shù)據(jù)分配問(wèn)題,目前采用的主要方法是在各個(gè)計(jì)算結(jié)點(diǎn)上平均分配數(shù)據(jù).如果并行系統(tǒng)是同構(gòu)的,采用這種方法設(shè)計(jì)的算法具有很高的運(yùn)行效率.但是在異構(gòu)系統(tǒng)下,由于各個(gè)計(jì)算結(jié)點(diǎn)的性能不同,平均分配數(shù)據(jù)集的方法就有可能導(dǎo)致系統(tǒng)的負(fù)載失衡.該文提出了在并行算法中使用的基于移動(dòng)agent的數(shù)據(jù)集負(fù)載均衡策略:基于移動(dòng)Agent綜合處理速度的數(shù)據(jù)集均衡策略DBSMAV(DataSet Balancing StrategyBased on Mo

2、bile Agent Velocity)和基于移動(dòng)Agent調(diào)度的數(shù)據(jù)集均衡策略DBSMAS(DataSet Balancing Strategy Based on Mobile Agent Scheduling).目前對(duì)如此細(xì)粒度的負(fù)載均衡問(wèn)題所作的研究工作還很少,該文的工作借鑒了NASA所建立的IPG(Information Power Grid)網(wǎng)格上面的粗粒度負(fù)載均衡算法PLUM(ParallelLoad balancing f

3、or Unstructured Meshes)、SBN(Symmetric Broadcast Network)、MinEX(Minimal Extra overhead),也參考了接收者發(fā)起的分布式啟發(fā)性算法,并結(jié)合了移動(dòng)Agent的思想.理論和實(shí)驗(yàn)證明,移動(dòng)Agent綜合處理速度MAV(Mobile Agent Velocity)在計(jì)算結(jié)點(diǎn)的內(nèi)存足夠大時(shí)能夠比較準(zhǔn)確地反映計(jì)算結(jié)點(diǎn)的計(jì)算能力.DBSMAV策略按照各個(gè)計(jì)算結(jié)點(diǎn)的MAV分

4、配數(shù)據(jù)集,較好地克服了異構(gòu)系統(tǒng)中平均分配數(shù)據(jù)集造成的失衡.為了解決由于內(nèi)存的影響而導(dǎo)致的負(fù)載失衡現(xiàn)象,我們提出了DBSMAS策略.DBSMAS策略按照重負(fù)載優(yōu)先調(diào)度和整體上減少系統(tǒng)執(zhí)行時(shí)間的原則,命令一部分移動(dòng)Agent攜帶數(shù)據(jù)集進(jìn)行遷移,使系統(tǒng)重新達(dá)到了平衡狀態(tài).實(shí)驗(yàn)證明,我們所研究的均衡策略,利用移動(dòng)Agent的移動(dòng)性,很好地解決了負(fù)載失衡問(wèn)題,提高了程序的執(zhí)行效率.較之于傳統(tǒng)的算法,我們策略的特點(diǎn)是優(yōu)先保證提高程序的執(zhí)行速度(平衡