資源描述：
《網(wǎng)格環(huán)境中一種改進(jìn)的蟻群任務(wù)調(diào)度算法》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、網(wǎng)格環(huán)境中一種改進(jìn)的蟻群任務(wù)調(diào)度算法摘要網(wǎng)格計(jì)算環(huán)境日益成為一種不受地域限制的廉價(jià)的超級(jí)計(jì)算環(huán)境，它試圖聚合分布在世界各地的計(jì)算、存儲(chǔ)、知識(shí)、通信和信息等各類資源，以服務(wù)大眾為目的，實(shí)現(xiàn)資源共享與協(xié)同工作。但由于網(wǎng)格資源具有異構(gòu)性、動(dòng)態(tài)性、自治性以及分布性等特點(diǎn)，網(wǎng)格環(huán)境下進(jìn)行任務(wù)調(diào)度是一個(gè)很具挑戰(zhàn)性的問題。網(wǎng)格任務(wù)調(diào)度算法直接關(guān)系到任務(wù)執(zhí)行的速度，在網(wǎng)格技術(shù)研究中起著重要作用。50年代中期仿生學(xué)應(yīng)運(yùn)而生，人們不斷地從生物進(jìn)化的機(jī)理中得到啟發(fā)，提出了許多用于解決復(fù)雜優(yōu)化問題的新方法，比如遺傳算法、神經(jīng)網(wǎng)絡(luò)
2、、模擬退火算法等，并成功應(yīng)用于解決實(shí)際問題。近年來，許多學(xué)者將蟻群算法應(yīng)用于網(wǎng)格任務(wù)調(diào)度技術(shù)，并取得了不錯(cuò)的效果。但是目前研究者較少考慮仿生算法初始參數(shù)設(shè)置對(duì)算法收斂性能的影響。在蟻群算法中存在的信息啟發(fā)因子a、期望因子鼻、信息素強(qiáng)度因子Q、信息素?fù)]發(fā)因子P共四個(gè)參數(shù)中，a反應(yīng)了螞蟻受其它螞蟻經(jīng)過網(wǎng)格資源節(jié)點(diǎn)時(shí)留下的信息素影響程度，其值越大，螞蟻越傾向于選擇其他螞蟻選擇過的資源節(jié)點(diǎn)，13反應(yīng)了螞蟻受資源的固有屬性的影響程度，其值越大，螞蟻越傾向于選擇條件好的資源，這兩個(gè)參數(shù)的值越大，蟻群算法極易陷入局部最
3、優(yōu)。Q能夠加強(qiáng)正反饋，使搜索朝有利于尋找最優(yōu)解的方向進(jìn)行，P能夠避免信息素?zé)o限積累，從而擴(kuò)大搜索范圍，以提高求解的效率。本文提出了一種新的改進(jìn)蟻群算法NACA(newantcolonyalgorithm)，先對(duì)蟻群算法中的四個(gè)參數(shù)進(jìn)行隨機(jī)編碼，產(chǎn)生染色體，利用蟻群算法得到一組較優(yōu)解；再利用遺傳算法的優(yōu)點(diǎn)對(duì)這組值進(jìn)行交叉、變異，選擇產(chǎn)生更優(yōu)的解；最后將這組值作為蟻群算法下一輪探索的原始值，進(jìn)行最大次數(shù)的循環(huán)迭代直至停止，即求得參數(shù)組合的近似最優(yōu)解。NACA利用遺傳算法快速隨機(jī)的全局搜索能力，以探索出蟻群算法
4、中的四個(gè)參數(shù)a、鼻、p、Q的優(yōu)化組合，將它應(yīng)用于網(wǎng)格系統(tǒng)任務(wù)調(diào)度中，系統(tǒng)的性能得到了明顯的改善。利用網(wǎng)格模擬器GridSim對(duì)所提出的算法進(jìn)行了仿真模擬，結(jié)果表明所提出的算法具有更短的調(diào)度長(zhǎng)度和更寬的適應(yīng)性，當(dāng)任務(wù)已知時(shí)，執(zhí)行時(shí)間約縮短了21．7％，能有效縮短任務(wù)的執(zhí)行時(shí)間，且負(fù)載變化時(shí)對(duì)網(wǎng)格中各處理器資源的影響大大減小。然而當(dāng)任務(wù)未知和系統(tǒng)規(guī)模很大時(shí)，算法需要進(jìn)一步完善。關(guān)鍵詞：網(wǎng)格；任務(wù)調(diào)度；蟻群算法；GridSimⅡ高校教師碩士學(xué)位論文AbstractGridcomputingenvironment
5、hasincreasinglygrownaverycheapsupercomputingenvironmentbeyondarealimit．Itgatherscomputationresources，storageresource，knowledgeresource，communicationresource，andinformationresourceetc．togetherfromallovertheworld，aimsatservingpubfieandrealizingresourcesshar
6、ingandcooperativeworking．However,duetotheheterogeneousdynamic，autonomous，anddistributionandothercharacteristicsingridresources，taskschedulingingridenvironmentisachallengingproblem．TaskschedulingalgorithmforGridschedulingisdirectlyrelatedtothespeed，quality
7、andetc．Itplaysanimportantroleinthegridstudy．Sincebionicswascreatedinmiddleperiodof1950’S，peoplehavebeinginspiredfromthemechanismofthebiologicalevolutionconstantly．Manynewmethodshadbeenappliedtosolvethecomplicatedoptimizationproblemsareproposed．Suchasneura
8、lnetwork，geneticalgorithm，simulatedannealing，andevolutioncomputation．Thesenewmethodshadbeensuccessfullyappliedtosolvethepracticeproblems．Manyscholarsresearchthetaskschedulingalgorithmforthegridtechnology，andhasachie
