一种基于云遗传算法网格任务调度算法.docVIP

一种基于云遗传算法的网格任务调度算法 　　摘要：首先对网格资源调度的特点，现有遗传算法的局限性进行了分析，为了克服传统遗传算法搜索速度慢、易陷入局部最优解的缺陷，借鉴遗传算法的思想，利用云模型云滴的随机性和稳定倾向性的特点，提出了一种新的遗传算法―云遗传算法(CGA)，并与标准遗传算法(SGA)和自适应遗传算法(AGA)进行网格任务调度进行了比较，以证明其有效性。 　　关键词：网格；资源调度；遗传算法；云理论；云遗传算法 　　中图分类号：TP183 文献标识码：A 文章编号：1009-3044(2009)05-1181-02 　　Grid Task Scheduling with an Cloud Theory-Based Genetic Algorithm 　　WANG Chun-lian, QIU Hong-ze 　　(School of Computer Science and Technology, Shandong University, Jinan 250100, China) 　　Abstract: First, the characteristic of grid resource scheduling and limitation of current genetic algorithm are analyzed. To overcome the shortcomings of a genetic algorithm (GA). i. e. , low convergence speedand easily getting a local optimum solution, a novel genetic algorithm, cloud theory-based geneticalgorithm ( CGA ) , was proposed. CGA is based on both the idea of GA and the properties ofrandomness and stable tendency of a normal cloud model. 　　Key words: grid; resource scheduling; Genetic Algorithm( GA) ; cloud theory; cloud genetic algorithm 　　 　　1 引言 　　 　　随着网格技术的不断发展，网格资源调度技术逐渐成为网格研究的重点之一。本文根据网格资源特点，提出一种基于改进遗传算法的网格资源调度策略。该策略主要针对网格资源的各种属性以及用户的QoS需求而提出，利用启发式相关技术，综合考虑了任务的截止时间、预算约束、最早可执行时间等参数，在满足各种约束条件的情况下，减小总体时间耗费，提高了资源调度的效率。 　　 　　2 资源调度特点及遗传算法局限性分析 　　 　　网格资源调度和传统分布式调度相比，有以下特点： 　　1) 平台异构性。网格系统包括各类主机、工作站甚至PC机等，由分布在Internet上的各类资源组成，可运行不同操作系统上，它们是异构的。 　　2) 松耦合性。由于网格本身是一个大规模的、非集中式的系统，网格的资源调度系统要松耦合方式进行资源的管理与调度。 　　3) 可扩展性。在网格资源规模不断扩大、应用不断增长的情况下，网格系统的资源调度必须具有可扩展性，不至于降低网格系统的性能。 　　4) 动态自适应性。有的资源出了故障，有的新资源要加入到网格中，有些资源要重新开始工作等。网格中的资源不但是异构的，而且网格的结构总是不停地改变。 　　因此使用有效的解空间搜索技术确定解空间中的最优方案，是解决网格资源调度的有效方法。 　　遗传算法是一种基于空间搜索的算法，它通过选择、交叉、变异以及适者生存的理论，模拟自然进化过程来寻找所求问题的答案。因此，遗传算法的求解过程也称优化过程。 　　但基本遗传算法(SGA, Simple Genetic Algorithm)都是基于初始种群即进化代数无限大为前提，这些条件实际是不能实现的，所以并不能保证全局最优解的收敛性[2]，因此，对SGA的全局收敛性进行改进是一个研究方向。初始种群的产生方法与初始种群的规模对初始种群的个体分布情况有着相当的影响，而初始种群的个体分布情况直接影响算法的全局收敛性，而选择、交叉、变异等算子操作又决定算法的收敛方向，对全局收敛性具有一定的影响，所以从这些方面改进遗传算法的收敛性是较好的研究出发点。 　　 　　3 基于改进遗传算法的资源调度算法 　　 　　3.1 问题描述 　　本文主要讨论的是当子任务数量远大于资源数量时的调度策略，如何获取资源信息、子任务