学位论文 > 优秀研究生学位论文题录展示
基于蚁群算法的网格计算资源调度策略仿真研究
作 者: 曾洲
导 师: 宋顺林
学 校: 江苏大学
专 业: 计算机应用技术
关键词: 网格计算 蚁群算法 GridSim网格仿真工具包 资源调度
分类号: TP391.9
类 型: 硕士论文
年 份: 2005年
下 载: 594次
引 用: 5次
阅 读: 论文下载
内容摘要
网格计算是解决科学计算、工程计算和商业计算等大规模计算的下一代极具潜力的计算平台。网格核心服务是网格的重要组成部分,是连接网格底层和高层功能的纽带,是协调整个网格系统有效运转的中枢,对这部分网格技术的研究具有重要意义。资源调度技术是网格核心服务之一。一个良好的资源调度策略能高效地协调和分配网格资源,有效降低网格计算的总执行时间和总耗费,从而使网格达到最大的性能。资源调度技术对网格系统的应用至关重要。 网格计算属于分布式计算的一种,但是由于网格资源在广域上分布、本质上异构、归不同的人和组织拥有、相异的存取和花费模式、负载和可用性动态变化,因此网格计算环境远比传统的分布式计算环境复杂。这就使得针对传统的分布式计算环境设计的资源调度策略在网格环境中并不理想。这主要表现为不能很好的预测网格环境中动态的资源变化,不能全面考虑网格环境对作业或者资源所设的限制,没有充分考虑网格环境中资源耗费对资源调度的影响等一系列问题。 蚁群算法ACA(Ant Colony Algorithm)来源于对自然界蚂蚁寻找从蚁巢到食物的最短路径并找到回巢路径方法的研究,是一种启发式搜索算法,具有正反馈、较强的鲁棒性,分布式等特点,特别适用于解决组合优化问题。而资源调度本质上也是组合优化问题,因此作为试探性的研究,本文基于基本蚁群算法原理设计了一种适合于网格计算环境的资源调度策略。目标是使调度策略充分考虑网格计算的特点,更合理的分配网格资源,从而提高网格系统的总体性能。 论文主要阐述了调度策略设计前的准备工作(解析网格计算环境、构建网格仿真平台、解析基本蚁群算法),调度策略设计过程以及最后的调度策略性能测试。具体工作如下: (1) 解析网格计算环境,明确网格计算的特点并归纳网格计算环境对资源调度的要求。在此基础上说明了针对传统的分布式计算环境设计的资源调度策略在网格环境下存在的问题。 (2) 解析了基本蚁群算法。阐述了蚁群算法的原理、特点并分析了使用蚁群算法解决资源调度问题的可行性。根据测试程序找出影响蚁群算法性能的因素,分析这些因素对系统性能的影响程度,影响方式,以及对应的改进方法。这些分析结果及相应的改进方法为设计基于蚁群算法的网格资源调度策略提供参考。 (3) 由于资源调度策略在决策过程中需要参考相关网格系统信息,这些信息主要是与系统执行性能相关且影响资源调度策略决策的参数。因此在设计基于蚁群算法的网格计算资源调度策略之前需要了解通常的网格计算环境中影响网格系统执
|
全文目录
第一章 绪论 11-14 1.1 课题的研究背景 11-12 1.2 蚁群算法的研究现状及基于蚁群算法解决网格资源调度问题的可行性 12-13 1.3 论文的研究内容及成果 13-14 第二章 网格计算中的资源调度技术及其存在的问题 14-20 2.1 概述 14 2.2 网格计算的特点 14-15 2.3 网格计算环境中资源调度所面临的问题 15-16 2.4 目前的资源调度技术及其存在的问题 16-19 2.4.1 用于静态分配的资源调度技术 16-17 2.4.2 用于动态分配的资源调度技术 17-18 2.4.3 目前的资源调度技术在网格计算环境中存在的问题 18-19 2.5 小结 19-20 第三章 基本蚁群算法及其性能分析 20-29 3.1 概述 20 3.2 基本蚁群算法原理 20-21 3.3 基本蚁群算法形式化描述 21-22 3.4 蚁群算法的特点 22 3.5 使用蚁群算法解决资源调度问题的可行性分析 22-23 3.6 影响基本蚁群算法性能的因素 23-28 3.6.1 信息素的更新方式影响收敛效率 23-24 3.6.2 路径的位置特征和随机数的随机程度影响搜索精度 24-25 3.6.3 信息素更新算法及其参数选择影响总体性能 25-27 3.6.4 蚂蚁的数量影响算法的性能 27-28 3.7 小结 28-29 第四章 网格计算中与资源调度相关且影响网格系统性能的因素分析 29-36 4.1 概述 29 4.2 GridSim网格仿真环境介绍 29 4.3 网格计算环境中与资源调度相关的因素 29-31 4.4 资源内部分配策略对系统性能的影响 31-33 4.5 作业属性和资源属性对系统性能的影响 33-35 4.6 小结 35-36 第五章 基于蚁群算法设计高性能网格计算资源调度策略 36-54 5.1 概述 36 5.2 基于蚁群算法的网格计算资源调度策略设计思路 36-39 5.3 基于蚁群算法的网格计算资源调度策略原理 39-40 5.4 基于蚁群算法的网格计算资源调度策略总控程序 40-42 5.5 资源选择策略 42-46 5.5.1 资源选择策略考虑的因素 42-45 5.5.1.1 考虑资源的结构和操作系统 42 5.5.1.2 考虑作业对PE的要求 42-45 5.5.1.3 考虑资源的信息素浓度 45 5.5.1.4 考虑网络速度 45 5.5.2 资源选择标准 45-46 5.6 资源处理策略 46-51 5.6.1 资源处理策略介绍 46 5.6.2 TimeShared情况下的资源处理策略 46-50 5.6.2.1 信息素增加算法 46 5.6.2.2 处理器分配算法及资源处理能力评估 46-47 5.6.2.3 信息素减少算法 47-50 5.6.3 SpaceShared情况下的资源处理策略 50-51 5.6.3.1 信息素增加算法 50 5.6.3.2 信息素减少算法 50-51 5.7 调度算法性能评估 51 5.8 系统参数调整 51-52 5.9 基于蚁群算法的网格计算资源调度策略对网格环境的适应性 52-53 5.10 小结 53-54 第六章 基于蚁群算法的网格资源调度策略性能测试及算法改进 54-66 6.1 概述 54 6.2 资源调度策略性能测试 54-59 6.2.1 测试说明 54 6.2.2 测试环境 54-55 6.2.3 测试基于蚁群算法的网格资源调度策略对每个作业的影响 55-57 6.2.4 测试基于蚁群算法的网格资源调度策略对网格系统总体性能的影响 57-59 6.3 调度策略存在的问题及改进 59-65 6.3.1 作业发送次序影响资源利用率 59-60 6.3.2 蚁群算法收敛性的不确定性 60-63 6.3.3 测试3 63-65 6.4 小结 65-66 第七章 结束语 66-68 7.1 工作总结 66-67 7.2 下一步工作展望 67-68 参考文献 68-72 致谢 72-73 发表文章 73
|
相似论文
- 多导弹协同作战突防效能评估及组合优化算法研究,TJ760.1
- 基于蚁群算法的电梯群优化控制研究,TU857
- 动态环境下移动对象导航系统相关技术的研究,TP301.6
- 基于改进蚁群算法的机器人路径规划研究,TP242
- 改进的蚁群算法及其在TSP上的应用研究,TP301.6
- 农业供应链系统网络平台的构建,S126
- 基于免疫机制蚁群算法的电力系统无功优化研究,TP18
- 基于视觉反馈与行为记忆的GPU并行蚁群算法,TP301.6
- 遥感数据处理网格平台的设计与初步实现,TP79
- 基于遗传算法的矿山资源优化调度模型的研究,O224
- 基于信誉度的云环境下资源管理的研究,TP315
- 基于物理拓扑感知的Chord算法研究,TP393.02
- 电渣炉过程控制系统的设计及优化控制,TP273
- Ad Hoc网络中分簇路由算法的研究,TN929.5
- 无线TCP和资源调度的跨层设计算法研究,TN929.5
- 图像信息处理机的图像处理方法研究,TP391.41
- 智能光网络中路由选择算法的研究,TN929.1
- 面向无线传感器网络的多路径路由协议研究,TN915.04
- 改进蚁群算法在盲均衡中的应用,TN911.5
- 智能光网络动态路由和波长分配算法的研究,TN929.1
- 基于蚁群算法的移动商务个性化推荐体系研究,TP391.3
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 计算机仿真
© 2012 www.xueweilunwen.com
|