基于螞蟻免疫記憶優(yōu)化算法的網(wǎng)格任務(wù)調(diào)度研究.pdf

1、網(wǎng)格任務(wù)調(diào)度是網(wǎng)格技術(shù)中的關(guān)鍵環(huán)節(jié)，由于網(wǎng)格資源存在分布性、異構(gòu)性、動態(tài)性等特點，用戶對網(wǎng)格資源的要求也呈現(xiàn)多樣化，使得在大規(guī)模分布環(huán)境中的任務(wù)調(diào)度是一個十分復(fù)雜的問題，而任務(wù)調(diào)度算法性能及策略的好壞直接影響到網(wǎng)格系統(tǒng)的整體性能，更關(guān)系到網(wǎng)格服務(wù)質(zhì)量的好壞。如何改進(jìn)任務(wù)調(diào)度算法及策略，提高任務(wù)調(diào)度系統(tǒng)整體效率的同時又滿足網(wǎng)格用戶的多QoS需求，是一個極具挑戰(zhàn)性的問題。
　　 首先，本文以蟻群算法作為研究網(wǎng)格任務(wù)調(diào)度的基礎(chǔ)理論，通

2、過將生物免疫記憶過程和基于蟻群的任務(wù)調(diào)度過程進(jìn)行類比，建立資源優(yōu)選記憶庫，成功的將生物免疫記憶機制引入到蟻群算法中，進(jìn)一步提出了螞蟻免疫記憶的PCIMACA任務(wù)調(diào)度算法，該算法通過對任務(wù)相似度檢測，使相同或相似的任務(wù)進(jìn)行二次調(diào)度時，可以直接調(diào)用資源優(yōu)選記憶庫中的資源，避免任務(wù)每次調(diào)度都遍歷所有網(wǎng)格資源進(jìn)行搜索，有效的縮短了任務(wù)和資源的映射時間。算法在資源信息素的更新規(guī)則中除了使用資源信息素獎罰園子，還設(shè)計了資源負(fù)載平衡獎罰因子，使算法能

3、較快的收斂于調(diào)度成功率高且負(fù)載小于一定閾值的資源。通過GridSim網(wǎng)格仿真實驗，將PCIMACA算法與ACO、Min—Min算法進(jìn)行比較，證明了該算法有效的縮短了任務(wù)調(diào)度的響應(yīng)時間。使任務(wù)調(diào)度的成功率和資源負(fù)載都有所改善。
　　 本文提出的將生物免疫記憶機制與蟻群算法相結(jié)合的網(wǎng)格任務(wù)調(diào)度思想，對網(wǎng)格任務(wù)調(diào)度算法的研究有一定的創(chuàng)新意義。
　　 其次，對現(xiàn)有網(wǎng)格用戶的需求進(jìn)行了細(xì)化分析，將用戶對網(wǎng)格資源的需求細(xì)分為對資源的

4、具體屬性需求和模糊屬性需求，通過基于Ageat的任務(wù)調(diào)度模型和PCIMACA任務(wù)調(diào)度算法，根據(jù)用戶對網(wǎng)格資源的需求進(jìn)行預(yù)分類，同時通過模糊動態(tài)聚類、數(shù)量積等方法建立資源需求預(yù)分類庫，提出了基于用戶需求的UDDPTS任務(wù)調(diào)度模型。本文提出的基于用戶需求的網(wǎng)格預(yù)分類方法對研究網(wǎng)格其它類型的資源的調(diào)度有著通用的意義。最后，在網(wǎng)格任務(wù)調(diào)度模型中引入了系統(tǒng)可靠性理論，在隨機Petri網(wǎng)的基礎(chǔ)上對任務(wù)調(diào)度系統(tǒng)中單個資源和串、并聯(lián)鏈路資源進(jìn)行可靠性建

5、模分析，提出了基于隨機Petri網(wǎng)的GSRSPN任務(wù)調(diào)度模型，該模型使用TRMA算法和任務(wù)可迭圖構(gòu)造算法使模型在考慮了每個資源節(jié)點可靠性和用戶多QoS需求的同時找出任務(wù)調(diào)度最優(yōu)資源路徑，實例驗證了該調(diào)度模型，不僅滿足網(wǎng)格用戶在時間和費用上的要求，還考慮對網(wǎng)格資源可靠度的限制，該模型對網(wǎng)格任務(wù)調(diào)度系統(tǒng)的可靠性和容錯性具有積極的意義。
　　 本文結(jié)合蟻群算法、生物免疫記憶機制、可靠性等理論，使用相似度算法、模糊動態(tài)聚類法、數(shù)量積法等