多目标约束的网格任务安全调度模型及算法研究-电子与信息学报.PDFVIP

多目标约束的网格任务安全调度模型及算法研究-电子与信息学报.PDF

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
多目标约束的网格任务安全调度模型及算法研究-电子与信息学报

第 32 卷第 4 期 电 子 与 信 息 学 报 Vol.32No.4 2010 年 4 月 Journal of Electronics Information Technology Apr. 2010 多目标约束的网格任务安全调度模型及算法研究 朱 海 王宇平 (西安电子科技大学计算机学院 西安 710071) 摘 要:异构网格环境的特点决定了其任务调度是受调度长度、安全性能及调度费用等多个因素制约的。该文根据 网格资源调度的特点构造了一个安全效益函数和节点信誉度动态评估模型,并以此为基础建立了一个多目标约束的 网格任务调度模型。利用隶属度函数将多目标函数转化为单目标模型,通过设计新的进化算子,从而提出一种遗传 算法 MUGA(Mode Crossover and Even Mutation Genetic Algorithm)进行求解,并对算法的收敛性进行了理论分 析。仿真实验表明,在同等条件下该算法与同类算法相比,在任务调度长度、安全效益值、可信度及调度费用指标 优化方面具有较好的综合性能。 关键词:异构网络;网格计算;任务调度;安全效益函数;信誉度;遗传算法 中图分类号:TP393 文献标识码:A 文章编号:1009-5896(2010)04-0988-05 DOI: 10.3724/SP.J.1146.2009.00634 Constrained Multi-objective Grid Task Security Scheduling Model and Algorithm Zhu Hai Wang Yu-ping (School of Computer Science and Technology Xidian University, Xi’an 710071, China ) Abstract: The characteristic of heterogeneous grid environment determines that the task scheduling is constrained by a number of factors such as the length of scheduling, the performance of security, the cost of scheduling and etc. Firstly, based on the characteristics of grid task scheduling, a security benefit function and an efficient node’s credibility dynamic evaluation model are constructed. Then a constrained multi-objective grid task scheduling model is proposed. Secondly, by using the subjection degree function, the multi-objective optimization is transformed into a single objective optimization issue. Thirdly, Through the design of new evolutionary operators, a new genetic algorithm is proposed. The convergence of this algorithm is analyzed. Simulation results show that the proposed algorithm is better than the compared ones in terms of

文档评论(0)

wumanduo11 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档