基于離散粒子群優(yōu)化算法的網格任務調度方法.pdf

1、高速網絡的發(fā)展使得將分散的、異構的計算資源有機地整合到一起形成計算網格成為可能。計算網格為解決科學和工程領域一些大規(guī)模計算問題提供了理想的平臺。由于網格所具有的廣域性、動態(tài)性、異構性的特點，如何對任務進行調度是一個極具挑戰(zhàn)性的問題。與此同時，通過模擬自然生態(tài)機制求解復雜優(yōu)化問題的新型計算智能方法，如遺傳算法、免疫算法、蟻群算法、粒子群算法等具有很好的自適應性。尤其是由Eberhart和Kennedy于1995年提出的粒子群優(yōu)化算法和由D

2、origo于1991年提出的蟻群算法，具有NP-hard的組合優(yōu)化的調度問題成為它們的一個重要研究方向。 我們提出把離散粒子群算法用于網格任務調度問題，即為使粒子群算法適用于網格任務調度而對粒子群算法進行離散化，對粒子的位置和速度重新進行定義，并重新設計粒子的位置和速度的變換規(guī)則?；贕ridSim包，我們設計了一個網格模擬系統(tǒng)，并在網格模擬系統(tǒng)上對提出的離散粒子群算法進行仿真實驗，實驗表明該算法具有較好的性能，但在算法后期的局

3、部搜索能力差，反饋信息利用不充分。進而我們提出把粒子群算法與蟻群算法進行融合并應用于連續(xù)函數優(yōu)化問題，利用粒子群算法尋優(yōu)的結果來初始化蟻群算法的信息素，為使蟻群算法適用于求解連續(xù)函數優(yōu)化問題，對螞蟻尋優(yōu)思想作了修改和引申，大量在連續(xù)空間的典型算例測試結果表明，融合算法比現存的用于連續(xù)函數優(yōu)化的蟻群算法更快地找到更好的結果，該融合算法具有良好的效果。我們進一步將融合算法應用于解決網格任務的調度問題。離散粒子群算法作為融合算法的前期尋優(yōu)部分