基于蚂蚁免疫记忆优化算法的网格任务调度研究-管理科学与工程专业论文.docxVIP

1.2国内外研究现状综述网格任务调度目标是如何将任务分配到合适的资源。它不仅要解决网格任务调度的整体运行效率，而且还要考虑用户的QoS服务质量需求，资源的负载均衡状况和参与网格调度的各主体之间的经济利益均衡.现阶段，常用的衡量网格任务调度的指标有{6J:最优跨度(Op由nalmakes归n)、服务质量QoS(QualityofService)，负载均衡(LoadBaJancing)和经济原则(EconomicPrinciples)等。目前，关于网格任务调度主要涉及网格任务调度算法和模型两大类的研究，通过对国内外大量文献进行分析和归类后，本文将从网格任务调度算法和网格任务调度模型这两大类入芋，对网格任务调度进行研究。1.2.1网格任务调度算法研究首先，从网格任务调度算法入手研究，国内外经典的网格任务调度算法主要有先进先出法(7J(FirstComeFirstServe，FCFS)、MíR-Min算法、Max-Min算法[町、矿算法。]、Sufferage、XSufferage[JO]等.由于网格计算中任务调度是一个NP完全问题Illt.大量的NP完全问题至今没有找到有效的算法，以求近似最优解为目的的启发式算法受到重视Iln.近年来，人们提出了很多启发性的智能算法来解决任务调度问题，如遗传算法[13J(GeneticAlgori也ms，GA)、模拟退火算法[14)(SimuJatedAnn臼ling，SA)、神经网络算法I町、蚂蚁算法附和免疫算法[町等.下面就一些经典调度算法和本文主要用到的调度算法进行重点研究。(1)先进先出调度算法(FirstComeFirstServe，FCFS)FCFS算法的思想是按照任务到达的顺序来提交任务执行的顺序，当新任务到来时，挑出资源中最快的机器资源分配给该任务。该算法的缺点是没有考虑任务的优先级，也未考虑用户对任务的最终完成期限等需求，当网格中提交的任务数量增加时，该算法的复杂性将呈指数增长。(2)Min-Min和Max-Min肩发算法Min-Min算法的思想是首先映射小的任务到执行它最快的机器资源上，将任务的大小作为执行任务的优先级。算法的执行过程是:计算要参与映射事件的任务集中每个任务在各个机器资源上的期望完成时间，在任务队列中找出最小的任务，将该任务指派给完成它时间最短的机器资源。指派完成后，更新机器资源期望完成时间并将已完成映射的任务从任务集合中删除。执行循环，直到所有的任务都被映射完。M皿-Min算法在Min-Min算法的基础上拓展了思路。Max-Min算法类似于Min-Min算法，当一个新任务调度时，都要先计算每个任务在各个可用机器资源上的最早完成时间:与Min-Min算法不同的是，Max-Min算法首先映射大任务。也就是说，当每个任务分别找到最早完成该任务的机器后，先执行大任务，后执行小任务，与Min-Min算法相反。M姐-Min算法是一种实现起来很简单的算法，在算法的执行时间上较快。但是，当提交的任务数较多时，Min-Min算法的负载不均衡性就会体现出来，使整体任务的完成时间远离于M缸-Min算法:就Max-Min算法来说，在算法的执行时间上又慢于Min-Min算法。文献[18]提出将Min-Min算法和Max-Min算法相结合的动态调度算法。通过使用任务在每个机器资源上的完成时间，计算每个任务最小完成时间相对标准偏差5的值，通过与多次实验确定的标准偏差临界值q的值相比较，当qq时，选择Min-Min算法，反之，则选择M缸-Min算法，充分结合Min-Min的高效执行性和Max-Min的负载平衡特性。文献[19]分析了Min-Min算法和M缸-Min算法的一些缺陷，采用贪心思想，转移或交换最大和最小负载机器土的任务，使各机器上的负载快速均衡，提出了一种满足负载均衡的快速平衡调度算法。(3)遗传算法遗传算法(GeneticAlgori也ms，GA)是由美国Michigan大学的J.Holland教授于1975年提出的，它是一种基于生物自然选择与遗传机理的随机搜索算法。遗传算法，基于一组随机产生的初始解(种群)开始搜索，将种群中每个个体解〈染色体)，通常是一串数据或数组，用来作为优化问题解的代码，这些染色体通过选择、交叉、变异以及适者生存的理论，模拟自然进化过程来寻找最优的解。因此，遗传算法的求解过程也称优化过程。遗传算法是一种迭代的算法，它的优点是群体性全局搜索能力，这样可以避免算法易于陷入局部最优。同时，它使用评价函数启发搜索过程;使用概率机制进行迭代，有随机性:易于与其它优化技术或己有模型结合，可扩展性强。遗传算法应用在调度中具有其独特的优势，通过适应函数交叉和重组得出最优的调度，能够适应动态变化的网格系统。近年来不少研究对遗传算法本身进行了改进或者将两种算法相结合，应用于网格