毕业设计（论文）-一种基于并行遗传算法的机群负载分配调度策略的设计与实现

《毕业设计（论文）-一种基于并行遗传算法的机群负载分配调度策略的设计与实现》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、一种基于并行遗传算法的机群负载分配调度策略的设计与实现第83页共83页第83页共83页概述6§1.1并行处理技术的发展6§1.2集群技术概述6§1.3支持软件7§1.4任务分配负载均衡的重要意义8并行系统中的任务分配和负载平衡问题10§2.1任务分配问题的概述10§2.1.1任务分配的一般描述及影响因素10§2.1.2任务分配问题描述11§2.2负载均衡问题的概述12§2.2.1概述12§2.2.2负载平衡问题描述13§2.3现有任务分配及负载均衡算法及其优缺点评述14§2.3.1基于图论的分配策略14§2.3.20～1程序设计策略16§2.3.3“合一阈值”启发式分配算法17第三章一种新的

2、基于并行遗传算法的策略提出及可行性分析19§3.1遗传算法概述19§3.2遗传算法的结构20§3.3并行化的目的21§3.4并行性分析22§3.5并行算法与并行计算机系统23§3.6并行搜索与最优化25§3.7并行遗传算法形式化地定义29§3.8解决任务的分配与负载均衡问题的优势30第83页共83页算法建模与设计及针对机群应用环境的具体实现32§4.1和任务分配及调度相关的概念32§4.2算法的目标与设计原则34§4.2.1负载均衡算法的目标34§4.2.2负载平衡算法的组成34§4.3算法的描述及数学模型35§网络应用及其特点39§4.6以PVM为支撑的PC机群环境的概述39§4.6.1P

3、VM系统概述39§4.7针对机群应用环境的具体设计与实现46§4.7.1相关问题及解决46§4.7.2虚拟服务器技术及其优缺点46§4.7.3一种新的网络服务并行计算模式的提出48§4.7.4PVM中连接重定向技术及其实现原理52§4.7.4PVM中连接重定向技术及其实现原理55§4.7.5在套接口上的实现59§4.4基本算法的设计62§4.5算法的分布并行设计70§4.5.1简单的主从模型：71§4.5.2网络并行模式:74§4.5.3两级主从模型：74§4.5.3负载均衡策略设计76实验模拟与性能分析79§5.1性能评价与分析概述79§5.2实验环境与测试83结束语84参考文献85第83

4、页共83页摘要随着计算机和网络技术的迅速发展，用高速网络连接一组工作站或PC机组成并行计算机系统或利用网络已有资源组成高性能计算环境，来解决许多中、大粒度、十分复杂的计算问题变得越来越普及。采用这种思路建立起来的计算网络是一种可扩展、灵活的、高性价比的分布式并行处理系统，能否充分利用系统的冗余资源和最大限度发挥该系统的潜力，任务的分配和负载的动态调度是主要的影响因素之一，同时也是一个非常困难的问题。十几年间相继提出了许多解决方法，如：基于图论的分配方式及“阈值”合一法等，这些方法各有其有优缺点，但都不是完美的解决方案。当今，计算机科学各个领域的发展几乎都显示出向并行计算的过渡趋势。人们开始从

5、并行和分布式处理的角度重新探索计算机的各种理论和应用。并行遗传算法的出现，无疑使我们在解决NPC之类问题方面有了新的转机和希望。遗传算法是一种借鉴生物界自然选择和遗传机制得高度并行、随机、自适应得概率搜索算法，主要用于处理最优化问题和机器学习等方面。而并行遗传算法可以利用并行计算机的优势，将一个遗传算法的程序分配给几个处理机并行以提高程序执行速度，缩短算法执行所需的墙钟时间。本文提出了一种基于并行遗传算法的任务分配策略，并且设计了自适应的负载均衡算法，针对PVM系统进行了模拟和实验，同时，还针对PVM在网络应用方面的弱点，采用了底层封装的方法，为PVM系统补充了一个调用库，使得算法能够根据不

6、同的应用类型选择不同的调度方法来实现负载的平衡。并且对算法进行性能分析和应用示例实际测试，达到预期的效果。最后，对这方面的研究作了总结并为进一步的研究工作提出一些看法。关键字：分布式并行处理，并行遗传算法，机群，集群，并行虚拟机，任务分配，负载平衡第83页共83页ABSTRACTWiththerapidprogressofthenetworkandcomputertechnologies，itisbecomingmoreandmorepopulartocombineagroupofworkstationsormicrocomputersintoadistributedparallelComp

7、utationsystemwithhighspeednetworkorbuildahighperformancecomputingenviromentWiththeexistingresourceinordertoresovlethesemediagranularitycomplexityapplicationProblems.Thiscomputingnetworkisakindofscalable,fle