分布式系统中处理机管理 .pptVIP

第四章 分布式系统中的处理机管理 ● 基于遗传算法和模拟退火算法的任务分配算法 ★ 数据结构 建立一个五元组 ? =（ T，?，Q，C，X ） 其中T为任务集合；“?”为T上的优先关系，ti?tj 表示ti必须在tj执行之前完成；Q为m×m矩阵，qij表示任务ti在处理机Pj上的执行时间；C是一个m×n矩阵，Cij表示任务ti与任务tj的通信开销；X是一个m×n的任务分配矩阵，xij=1表示ti分配到处理机Pj上，否则为0。 设计目标函数cost，例如 cost = ??(qik?xik+w???ckr?xik?xjr) 其中常数w用来调节量纲差异 i=1 k=1 m n r=1 j=1 K-1 i-1 * 第四章 分布式系统中的处理机管理 ★ 迭代过程 ⑴ 进行初始化，随机生成一个初始任务分配集合。例如： 处理机 任务 P0 P1 P1 t1 t2 t3 t4 t5 t6 t7 1 1 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 0 1 1 1 * 第四章 分布式系统中的处理机管理 ⑵ 描述与生成一个初始任务分配集合TA。 其中，特定的任务分配方案用（S，R[1..n]）表示。其中，S 是一个 ?log2n?×m 的二进制串，每个?log2n? 位称为一节，自左到右的第i节就表示任务ti所在的处理机号码。上例中，S = 00 00 01 01 10 10 10。R是一个有n个分量的链表数组，每个分量的类型为m元整数数组，自左向右表示任务执行的顺序。假定上例中的优先次序为t1?t2，t4?t5，t6?t7，这样R为：R[0]：12，R[1]：34，R[2]：567（或675，或657，因为只有6、7有次序关系）。 这样，TA1.S = 00 00 01 01 10 10 10； TA1,R =（ 12 34 567） TA2.S = 00 00 01 01 10 10 10; TA2.R =（ 12 34 675） TA3.S = 00 00 01 01 10 10 10; TA3.R =（ 12 34 657） 于是，可以选取若干分配方案，形成初始任务分配集合： TA = { S，R[1..n] } * 第四章 分布式系统中的处理机管理 ⑶ 设置退火算法中的初始温度temp0和收敛率?（0??? 1），温度tempi+1 = ? ?tempi，逐步降低。这里，i既代表第i次迭代，也代表遗传算法中的地i代个体。 一般在任务量较大的情形，temp0可以取1000， temp?取为1，?取0.9，效果较好。 ⑷ 进行迭代循环。对初始任务分配集合中的方案采用交叉繁殖、变异等方法，形成新一代分配方案集合，不断进行。 ◆ 交叉繁殖 对父代的两个分配方案中S的某些节进行替换，选取其中的优良者（cost较小）插入分配集合，形成第二代分配集合。 [例] 两个父代方案： TA1.S = 00 00 01 01 10 10 10； TA1.R =（12 34 567） TA2.S = 01 01 01 00 10 00 10； TA2.R =（46 123 57 ） * 第四章 分布式系统中的处理机管理 用TA1.S中的1、3、6节替换TA2.S中的相应节，形成新方案： TA3.S = 00 01 01 00 10 10 10； TA3.R = （ 14 23 567） 计算 ?cost = cost(TA3) ? cost(TA2)： ? 0 表示新方案优于原方案，将TA3插入新的分配集合； ? ≥0表示原方案优于新方案，计算概率值： prob = exp | ?cost/k ? temp | ，式中k为波尔兹曼常数，temp为当前温度； 由系统产生（0，1）之间的随机数rand，若prob＞rand，将新方案加入分配集合，反之舍弃。 ◆ 变异 对某些方案作变异处理，形成新方案。如对TA.S某些节求反、互换处理任务等。变异不会造成个体数量的变化。每次