基于Agent网格资源发现机制的研究

论文摘要

随着网格技术的高速发展,网格资源管理已成为实现高性能计算的关键。如何高效、准确、科学地发现网格资源是网格资源管理的一个重要问题。因为整个网格的计算资源、连同网格本身都是动态的,应用开发者更加迫切需要移动计算技术的支持。移动Agent可以携带可执行代码、数据和运行状态在网格各主机之间自主移动,能够较好的适用于网格的动态环境。在对国内外已有的网格资源发现机制研究的基础上,发现目前的分布式与集中式发现相结合的技术还不成熟、存在网格资源发现效率不高、不能适应网格动态性等问题。本文基于Agent技术将分布式与集中式网格资源发现机制相结合,建立了一种新的网格资源发现模型。在虚拟组织内提出了从本地存储到虚拟组织管理节点的快速资源发现方法,并改进了模型中移动Agent在动态网格环境下的路径优化算法。针对移动Agent在网格环境中的路径优化问题,研究了蚁群算法及其已有技术在网格环境中发现资源效率和动态适应性的不足,提出了相应的可行性的改进算法,其核心思想是用遗传算法对蚁群算法初始化规则进行改进,提高算法收敛速度,并采用节点更新规则来反映网格中不同节点符合用户的满意程度和它们的变化,将算法更好的应用于网格资源发现问题中。为了验证改进的蚁群算法在移动Agent网格路径优化方面的性能,本文设计并实现了几组实验,编程模拟了网格环境,从算法有效性、网格动态适应性以及算法的普适性方面对改进的蚁群算法与基本蚁群算法、遗传蚁群算法进行比较。实验结果证明,本文改进的算法是有效的,该算法解决了移动Agent在网格环境中的动态路径优化问题,从而,提高了网格资源发现的效率。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究背景和意义
• 1.2 研究现状
• 1.3 论文研究的内容与目标
• 1.4 论文的组织与安排
• 第二章 网格及移动Agent相关技术
• 2.1 网格技术综述
• 2.1.1 网格的概念及现状
• 2.1.2 网格的体系结构
• 2.1.3 网格服务及开发工具
• 2.2 网格资源发现的需求
• 2.3 已有的网格资源发现模型
• 2.3.1 集中式网格资源发现模型
• 2.3.2 分布式网格资源发现模型
• 2.3.3 分层式网格资源发现模型
• 2.3.4 其他网格资源发现模型
• 2.3.5 网格服务发现机制的研究
• 2.4 网格资源发现模型评价
• 2.5 移动Agent及相关技术
• 2.5.1 移动Agent简介
• 2.5.2 移动Agent的体系结构
• 2.5.3 移动Agent在网格环境中的应用
• 2.5.4 移动Agent在网格环境中的移动策略
• 2.5.5 移动Agent在网格环境中的优点
• 2.6 本章小结
• 第三章 一种新的网格资源发现机制
• 3.1 新模型总体设计
• 3.2 新模型资源组织形式
• 3.2.1 虚拟组织内的资源组织形式
• 3.2.2 虚拟组织间的资源组织形式
• 3.3 新模型的资源发现过程
• 3.4 新模型开发环境的构成
• 3.4.1 Globus开发平台
• 3.4.2 Aglets开发平台
• 3.5 网格服务系统
• 3.5.1 网格系统的建立
• 3.5.2 网格服务的生成方法
• 3.6 网格服务实例
• 3.6.1 服务接口定义
• 3.6.2 请求查找Agent
• 3.6.3 行为移动Agent
• 3.6.4 接受请求Agent
• 3.7 本章小结
• 第四章 新模型中路径优化算法的改进
• 4.1 网格资源发现中的TAP问题
• 4.2 蚁群算法研究
• 4.2.1 蚁群算法描述
• 4.2.2 已有蚁群优化算法
• 4.2.3 蚁群算法在网格中的不足
• 4.2.4 解决移动Agent路径迁移问题
• 4.2.5 选择蚁群算法的可行性
• 4.3 改进蚁群算法
• 4.3.1 初始化问题的改进
• 4.3.2 节点更新算法的改进
• 4.3.3 网格资源的动态性问题
• 4.3.4 局部路径信息素更新
• 4.3.5 算法描述
• 4.4 本章小结
• 第五章 算法验证及分析
• 5.1 理论分析
• 5.2 实验设计
• 5.3 比较算法的有效性
• 5.3.1 实验方案
• 5.3.2 实验结果及分析
• 5.4 网格动态适应性
• 5.4.1 实验方案
• 5.4.2 实验结果及分析
• 5.5 比较算法的普适性
• 5.5.1 实验方案
• 5.5.2 实验结果及分析
• 5.6 实验结论
• 5.7 本章小结
• 结论
• 参考文献
• 附录1 30 个城市TSP问题坐标
• 附录2 51 个城市TSP问题坐标
• 攻读学位期间取得的成果
• 致谢