基于遺傳算法的網格計算資源調度策略

如何將網格這個復雜環(huán)境中的計算資源進行有效調度，是一個NP問題。遺傳算法被
證明是解決這類問題的有效算法，同時遺傳算法有“早熟”和慢速收斂等缺點。為了克服其缺點，提出一種新的并行遺傳算法，采取避免近親繁殖的交叉策略和保護優(yōu)秀個體的方法，提高算法搜索能力和收斂速度。仿真結果表明該算法能有效地解決網格計算資源分配問題。
關鍵詞：網格資源調度遺傳算法
網格是構筑在互聯(lián)網上的一組新興技術，它把整個互聯(lián)網整合成一臺巨大的超級計算
機，實現(xiàn)資源的全面共享。如何對寶貴的網格計算資源進行合理分配和管理，滿足各種應用的不同服務質量(QoS)需求，提高計算資源利用率，已成為網格研究中的一個重要課題。遺傳算法GA(Genetic Algorithm)是模仿自然選擇、物種進化和群體遺傳學而建立的一種隨機搜索技術，它特別適合用來求解組合優(yōu)化問題的近優(yōu)解。并行遺傳算法將網格計算資源的高速并行性和遺傳算法天然的并行性相結合，大大地促進了遺傳算法的研究與應用。并行處理的引入不但加速了遺傳算法的搜索過程；而且由于種群規(guī)模的擴大和各子種群的隔離，使種群的多樣性得以豐富和保持，減少了未成熟收斂的可能性，大大提高了求解質量。PGA 有三種模型：全局并行模型、粗粒度模型、細粒度模型。其中粗粒度并行遺傳算法(Coarse—Grain Genetic Algorithm，CGGA)是適應性最強和應用最廣的并行遺傳算法。G1obus 項目是目前國際上最有影響的網格項目之一，本文根據G1obus 的特點來設計算法。最后，進行了仿真實驗，結果表明本文的算法與單一的粗粒度并行遺傳算法相比，性能上有很大提高，能夠更好地解決網格計算資源調度問題。