如何将网格这个复杂环境中的计算资源进行有效调度,是一个NP问题。遗传算法被证明是解决这类问题的有效算法,同时遗传算法有“早熟”和慢速收敛等缺点。为了克服其缺点,提出一种新的并行遗传算法,采取避免近亲繁殖的交叉策略和保护优秀个体的方法,提高算法搜索能力和收敛速度。仿真结果表明该算法能有效地解决网格计算资源分配问题。关键词:网格资源调度遗传算法网格是构筑在互联网上的一组新兴技术,它把整个互联网整合成一台巨大的超级计算机,实现资源的全面共享。如何对宝贵的网格计算资源进行合理分配和管理,满足各种应用的不同服务质量(QoS)需求,提高计算资源利用率,已成为网格研究中的一个重要课题。遗传算法GA(Genetic Algorithm)是模仿自然选择、物种进化和群体遗传学而建立的一种随机搜索技术,它特别适合用来求解组合优化问题的近优解。并行遗传算法将网格计算资源的高速并行性和遗传算法天然的并行性相结合,大大地促进了遗传算法的研究与应用。并行处理的引入不但加速了遗传算法的搜索过程;而且由于种群规模的扩大和各子种群的隔离,使种群的多样性得以丰富和保持,减少了未成熟收敛的可能性,大大提高了求解质量。PGA 有三种模型:全局并行模型、粗粒度模型、细粒度模型。其中粗粒度并行遗传算法(Coarse—Grain Genetic Algorithm,CGGA)是适应性最强和应用最广的并行遗传算法。G1obus 项目是目前国际上最有影响的网格项目之一,本文根据G1obus 的特点来设计算法。最后,进行了仿真实验,结果表明本文的算法与单一的粗粒度并行遗传算法相比,性能上有很大提高,能够更好地解决网格计算资源调度问题。
猜您喜欢
推荐帖子 最新更新时间:2024-11-13 08:00
评论