基于遗传算法的网格能量优化任务调度算法研究

来源 :武汉理工大学 | 被引量 : 3次 | 上传用户:whitejet
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
网格计算是当今计算机科学领域最新兴起的一项有很高学术价值和应用价值的研究课题。网格计算由于自身系统的庞大性涉及了很多方面的关键技术,如:资源描述与发现、资源管理与组织、计算任务调度、性能评价、通信协议规范、安全体系和容错机制等。网格任务调度,又面临着资源受限的困扰。例如移动Ad hoc网格是一个异构的计算和通信系统,允许一组移动设备完成任务,因此能量问题是移动Ad hoc网格所关注的问题。基于网格能量的任务调度,研究的是如何静态的分配资源给由相互通信的子任务组成的请求。这样分配的目标是在Ad hoc网格环境下最小化此请求执行时的平均能量消耗。本课题的主要研究目标是网格任务调度和能量优化。网格任务调度考虑的是最早完成时间,即最优跨度,而能量优化是考虑在Ad hoc网格中如何静态的分配资源给由相互通信的子任务组成的请求。这样分配的目标是在Ad hoc网格环境下最小化此请求执行时的平均能量消耗。其中,要解决的关键问题就是能量资源分配问题。其目的在考虑最优跨度最小和能量消耗最小。本课题要解决的主要问题有以下几点:1)对典型的网格任务调度算法的研究和分析。典型的网格任务调度算法有Min-min和Max-min算法、禁忌算法、遗传算法等。这些算法都有一定的优越性,但是对于网格任务调度这类NP问题,使用模拟生物进化的遗传算法是最好的选择。2)基于传统的网格能量模型提出了一种网格能量优化方法。网格资源可分为三类:计算资源、存储资源、信息资源(包括软件资源、知识资源等)。这样按照资源的不同种类可得到广义能量函数。各种网格能量模型的研究包括ad hoc网格静态资源网格能量模型、DVS能量感知调度模型、嵌入式系统任务分配能量模型。通过以上网格能量模型的研究,提出了一种静态网格能量优化方法。3)根据网格能量和最优跨度提出基于遗传算法的网格任务调度算法。本文提出了基于遗传算法的网格任务调度算法,该算法综合了网格能量和用户QoS里的最优跨度。在满足最优跨度的同时,最小化网格能量消耗,从而在网格任务最优调度下最大的节约了网格能量消耗。对该算法的研究是本文的重点。本文首先介绍了该算法的可行性,从理论上对算法进行了数学分析,并对算法模型进行了优化。最后在网格仿真环境下对本文所建议的算法进行了仿真研究,仿真结果与理论分析一致。4)分析了典型的网格调度仿真工具及其特点,选择SimGrid作为本研究的仿真平台,介绍了仿真流程和方法,并将所建议的算法在SimGrid上进行仿真研究,将仿真结果与理论分析进行了比较和分析。
其他文献
过去的几年里,手机的普及和无线通信技术的迅猛发展,增强了企业应用程序的用户对空间位置的要求,推动了企业在移动应用方面的发展。移动平台的应用受到越来越多企业和个人的
作为椭圆曲线密码体制(ECC)的推广,Neal Koblitz在1989年提出了超椭圆曲线密码体制(HCC)。超椭圆曲线密码体制是基于有限域上的超椭圆曲线Jacobian群上离散对数问题的。相比
人脸动画是广泛应用于计算机动画行业、游戏行业、远程会议、代理和化身等许多领域,是近几年来国内外研究的热点。其中,基于单幅图像的人脸动画的研究近年来引起了许多研究者
随着万维网技术和数据库技术的结合,网络开始迅速的深化。大量的信息都隐藏在Web数据库中,用户通过查询可以动态的获取这些信息,学者们将这类资源称为Deep Web。由于Deep Web
公共仓库元模型(Common Warehouse Metamodel,CWM)是对象管理组织(Object Management Group,OMG)为数据仓库和业务分析领域中使用的元数据制定的一个互操作标准,已经成为模型
森林环境的改变过程是不可逆转的,林业管理者一旦做出管理决策并给予实施,将对森林今后的生长和经营起着决定的作用,因此林业管理者迫切需要引入能够对林业信息进行准确、可
无线传感网络是一种新型的可实时监测和传输信息的网络,具有巨大的潜在应用价值,已经引起人们的重视与研究。无线传感网络已经在许多应用领域中展现出特有的优势,但是也暴露出了
无线射频识别(RFID)标签所有权是指标签的所有者(合法阅读器或数据库)能正常行使标签的各个功能,如获取标签内部信息,重新对标签内信息进行更改和写入,或是将对标签的所有权
李群机器学习(LML)既继承了流形学习的优点,又充分利用了李群的代数结构和几何结构的数学本质,自提出以来就引起了许多研究者的关注。本文是在李群机器学习的理论框架上,以李
伴随着互联网而生的在线广告,在过去几十年里,得到飞速发展。广告点击率作为计算广告的重要研究内容,越来越受到人们的关注。借助机器学习,根据历史数据预估广告点击率是目前的主要方法,凭借准确的广告点击率预估可以使广告投放得更加精准,提高真实的点击率,增加收益。虽然使用线性模型可以简单地预估广告点击率,但是线性模型的学习能力有限,对于越来越多的数据特征,无法更有效得学习,而且在学习的过程中容易出现过度拟合