剖析量子粒子理论群优化研究论文.docxVIP

　　摘要任务调度是网络并行计算系统的核心问题之一。 　　在有向无环图描述问题的基础上,提出了一种进行并行任务调度的量子粒子群优化算法。 　　首先对并行任务调度问题作出定义,并给出了优化问题的目标;然后分别探讨了问题的编码表示、解码方案、位置向量的计算方法、离散问题连续化、算法的总体流程等;最后给出算法的仿真实验情况与研究,实验结果表明,该算法有良好的全局寻优性能和快捷的收敛速度,调度效果优于遗传算法和粒子群优化算法。 　　关键词任务调度;量子粒子群优化;有向无环图网络并行计算环境下的任务调度问题是指在一定约束条件下,如何将一组任务分配到多台处理机上执行的组合优化问题,其已被证明是完全问题,不可能在多项式时间内找到问题的最优解[1,2]。 　　目前常见的并行任务调度问题按照任务之间有无数据依赖关系可以划分为独立任务调度和依赖关系任务调度。 　　前者在调度任务时不需要考虑任务之间的数据依赖关系;而后者通常用有向无环图表示任务之间的数据依赖关系,在调度过程中满足任务之间的数据依赖关系。 　　依赖关系任务调度的求解优化过程比独立任务调度的要复杂许多,且其适用范围也更广。 　　以表示的并行任务模型的研究得到了广泛关注和迅速发展。 　　近年出现的一些启发式算法如模拟退火算法、遗传算法等为求解此类完全问题提供了新的途径[3~5],但是这些算法有些复杂性太高难以实现,有些实现起来太