网格资源分配算法的研究

论文摘要

网格是构筑在互联网基础之上的一门新兴的分布式计算技术,它不同于一般传统的分布式计算,网格计算着重于大规模的资源共享、创新应用,并在一定情况下定位于高性能计算,已经成为一个重要研究领域。在网格计算环境中,资源分散在各个不同地域和管理域中,由不同的组织拥有和操作,并且在策略和安全机制使用上各不相同,很多应用需求同时使用多个站点上的资源,站点自治性和分配资源时可能出现的故障需要一种特殊机制来同时分配位于多个站点上的资源。因此,如何对网格计算环境中的资源进行分配是实现高性能联合计算、共同完成重大应用问题的关键。资源分配是网格计算研究领域中的一个要点问题,目前已研究的若干计算智能方法大多是单一的用于解决网格资源分配问题,对于在混合的前提下提高资源分配性能方面还缺乏深入的研究。为此,针对网格资源分配问题提出了一个启发式混合搜索算法,通过带有启发式的遗传算法在资源中进行搜索,在生成的解中再利用蚁群算法做进一步的探索。其创新点在于网格资源分配的前期阶段利用遗传算法群体性全局搜索能力,能够快速形成初始解,在满足终止遗传算法的条件之后,将遗传算法调度的“最终结果”转化为蚁群算法所需要的初期信息素,然后利用蚁群算法所具有的正反馈性、高效性等特点迅速地形成资源分配的最优解。为了评估算法的性能,本文在研究仿真软件GridSim之后设计了模拟程序对新算法进行了性能评估和验证。仿真实验结果表明,该算法在满足用户需求的前提下,有效地提高了服务请求成功率和网格资源利用率,实现了降低执行时间和总耗费的目的,从而提高了网格系统的利用率和性价比。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 课题背景
• 1.2 研究现状
• 1.3 论文主要工作
• 1.4 论文章节内容安排
• 2 网格资源管理
• 2.1 网格资源管理
• 2.2 网格资源管理的目的和功能
• 2.3 网格资源管理模型
• 2.4 本章小结
• 3 蚁群算法研究
• 3.1 蚁群算法
• 3.2 蚁群算法的数学模型
• 3.3 蚁群算法的流程
• 3.4 蚁群算法的特性
• 3.5 蚁群算法解决网格资源分配问题的可行性分析
• 3.6 基于蚁群算法的网格资源分配模型
• 3.7 本章小结
• 4 遗传算法研究
• 4.1 遗传算法
• 4.2 遗传算法的基本流程
• 4.3 遗传算法的实现过程
• 4.4 遗传算法的特性
• 4.5 遗传算法解决网格资源分配问题的可行性分析
• 4.6 本章小结
• 5 基于蚁群算法和遗传算法动态融合的网格资源分配算法的研究
• 5.1 网格资源分配策略
• 5.2 遗传算法与蚁群算法动态融合的设计
• 5.3 提出的算法
• 5.4 本章小结
• 6 仿真实验
• 6.1 实验设置
• 6.2 仿真结果
• 6.3 实验分析
• 6.4 本章小结
• 7 结论与展望
• 7.1 论文总结
• 7.2 工作展望
• 致谢
• 参考文献
• 攻读硕士学位期间发表的论文