MDOCEM中一种改进的启发式任务分解算法.pdfVIP

维普资讯 第29卷第 4期 湖北大学学报 (自然科学版) V01．29 No．4 2007年 12月 JournalOfHubeiUniversity(NaturalScience) Dec．，2007 文章编号：1000—2375(2007)04～0351—04 MDOCEM 中一种改进的启发式任务分解算法 宋建萍，石松芳，李跃新 (三峡大学 科技学院，湖北 宜昌443002) 摘 要 ：基于多Agent的分布式开放计算环境模型(MDOCEM)中，任务分解是提高任务执行并行度的重 要环节．针对有关学者提出的一种启发式任务分解算法，分析了它的特点与不足，并据此提出了一种改进的启 发式算法，该算法采用 目标驱动的思想，实现了对任务分解问题求取包含操作数最少的可行解的目标． 关键词 ：分布式开放计算环境；任务分解；约束条件；操作集；可行解 中图分类号：TP301．6 文献标志码：A 1 引言 基于多Agent的分布式开发计算环境模型(MDOCEM)将任务的管理过程划分为3个阶段，即任 务的分解、子任务的分配以及子任务执行结果的集成_1]．基于多Agent的分布式系统接受到一个任务， 就将其分解成具有尽可能高并行度的子任务，并决定由哪些Agent在何时执行它们；任务的分配则是根 据前一阶段中得出的分配方案将子任务分别分配给系统中的执行单元Agent去执行；结果的集成即是 对所有已经完成的子任务的结果进行集成，形成整个任务的结果． 针对基于多Agent的分布式开发计算环境下的任务分解这一问题，有关学者提出了一种求解该问 题的可行解的启发式算法_2。]．本文分析了该算法的基本思想及特点，指出其存在的问题，据此提出了一 种基于目标驱动的实现算法，以求取该环境下任务分解问题的包含操作数最少的可行解，并给出了算法 的过程描述和复杂度分析．为便于区别和比较，在文中暂且称原算法为 Algorithml，改进算法为 Algorithm2． 2 关于原算法 2．1 任务分解问题描述 算法Algorithml将 MDOCEM 中的任务分解问题定义为一个五元组结构： K，A，E，I，G，其中： K是问题的知识集，包括任务所需的初始信息、目标信息和中间信息． A是操作集，给定的任务将通过A 中的操作来完成，这些操作接受相应的输入信息，经过计算，得 出相应结果． t E是执行单元集，其中每个执行者即Agent具有不同的能力，并能以一定的开销完成操作集中的操 作(如果开销为无穷大，就意味着这个执行者不能完成此操作)． I为初始信息集，是K的子集，包含了任务提出时已经拥有的知识． G为 目标信息集，也是K的子集，包含了完成给定任务所必须得到的知识． 这里，I和G定义了要完成的任务，K、A、E定义了完成任务所依赖的环境． 则该任务的可行最优解可以转化为下列条件的实现： ① 所有的操作在执行前都得到了其必要的输人信fi,； 收稿 日期：2006—08—13 作者简介 ：宋建萍(1978一 )，女，硕士 维普资讯 湖北大学学报 (自然科学版) 第29卷 ② G中的所有知识都将得到； ③ 所耗费的通信和执行开销最小． 2．2 算法思想 算法Algorithm1的基本思想是将任务分解问题转化为两个较简单的问题：第一是必 须确定一组满足任务的约束条件的操作，上述任务分解问题条件描述中①、②即为约束条件，这两个条 件的满足确保了任务所得解的可行性；第二是将在前一步中确定的操作分配给执行单元Agent执行，并 使得耗费的通信开销和执行开销最小，也即要满足条件③，它确保所得解为最优解． 对于条件③的实现，可以通过定义通信开销函数和执行开销函数来约束求解，在多Agent的分布式 计算环境下，各个Agent的执行能力不同，完成不同任务的开销也不同，