自适应邻域多目标网格任务调度算法.docVIP

自适应邻域的多目标网格任务调度算法 摘要:针对网格计算中的多目标网格任务调度问题,提出了一种基于自适应邻域的多目标网格任务调度算法。该算法通过求解多个网格任务调度目标函数的非劣解集,采用自适应邻域的方法来保持网格任务调度多目标解集的分布性,尝试解决网格任务调度中多目标协同优化问题。实验结果证明,该算法能够有效地平衡时间维度和费用维度目标,提高了资源的利用率和任务的执行效率,与min-min和max-min算法相比具有较好的性能。 关键词:网格任务调度算法;多目标进化算法;自适应邻域;任务调度 multi-objective evolutionary algorithm for grid job scheduling based on adaptive neighborhood 英文作者名yang ming1,2*, xue sheng-jun2, chen liang1, liu yong-sheng1 英文地址(1.zhejiang meteorological information network center, hangzhou zhejiang 310017, china; 2.college of computer and software, nanjing university of information science and technology, nanjing jiangsu 210044, china) abstract: a new adaptive neighborhood multi-objective grid task scheduling algorithm (anmo-gtsa) was proposed in this paper for the multi-objective job scheduling collaborative optimization problem in grid computing. in the anmo-gtsa, an adaptive neighborhood method was applied to find the non-inferior set of solutions and maintain the diversity of the multi-objective job scheduling population. the experimental results indicate that the algorithm proposed in this paper can not only balance the multi-objective job scheduling, but also improve the resource utilization and efficiency of task execution. moreover, the proposed algorithm can achieve better performance on time-dimension and cost-dimension than the traditional min-min and max-min algorithms. key words: grid job scheduling algorithm; multi-objective evolutionary algorithm; adaptive neighborhood; job scheduling 0引言 在资源异构高效的网格计算中,网格环境涉及网格用户、网格资源管理者、虚拟组织管理者等多个实体,不同实体间对管理机制、安全策略、调度时间和费用等目标都不同,有的甚至相互冲突。因此,如何通过资源管理与调度算法协调这些不同实体间和同类实体内部的不同目标要求是当前网格计算中的热点问题[1]。 近年来,国内外研究人员提出了不少高效的网格任务调度算法,其中比较典型的有min-min、max-min和sufferage等[2-5],这些调度算法主要以任务完成时间作为单一调度目标。针对多目标任务的调度算法有min-min启发式调度算法[6]和多目标冲突度遗传算法[7]等,这些算法主要采用权重法将多个目标函数聚合成单一的目标函数,进行单目标求解。权重法具有时间复杂度低、便于实现的特点。但是,这些算法主要通过调整权重来平衡多个目标,而权重的取值具有随意性,影响了调度算法的性能,这些算法自身也存在一些固有的缺陷,很难满足网格环境用户同时对多个目标的需求。另外,单目标优化算法仅能根据聚合函数来得到决策空间中一个可行解,降低了最终解的质量,缺乏灵活性与可扩展性。而多目标优化问题的解并非唯一的,