基于支持向量機(jī)性能預(yù)測的量子遺傳網(wǎng)格任務(wù)調(diào)度研究.pdf

1、網(wǎng)格計算是構(gòu)筑在Internet上的一種新興技術(shù)，其利用共享網(wǎng)絡(luò)將分散在不同地理位置的計算資源、存儲資源和數(shù)據(jù)資源等組織成一臺虛擬的超級計算機(jī)，由此提供強(qiáng)大的計算能力。隨著網(wǎng)格技術(shù)的迅速發(fā)展，網(wǎng)格的應(yīng)用越來越廣泛，受關(guān)注和重視的程度越來越高。網(wǎng)格的大規(guī)模應(yīng)用對有限的網(wǎng)格資源提出了挑戰(zhàn)，即如何在有限的網(wǎng)格資源下運行更多的網(wǎng)格任務(wù)。解決該問題的核心在于調(diào)度算法，一個優(yōu)良的調(diào)度算法可以使網(wǎng)格節(jié)點執(zhí)行更多的任務(wù)，從而增大網(wǎng)格系統(tǒng)的吞吐率。本文的

2、研究正是圍繞改進(jìn)任務(wù)調(diào)度算法這一現(xiàn)實的問題而展開的。 本文研究了網(wǎng)格任務(wù)調(diào)度總體框架，分析了傳統(tǒng)的網(wǎng)格任務(wù)調(diào)度算法，并且針對以往任務(wù)調(diào)度模型任務(wù)執(zhí)行時間冗長和任務(wù)丟棄數(shù)量過多等不足之處，提出了一種新的的網(wǎng)格任務(wù)調(diào)度模型。該調(diào)度模型首先利用支持向量機(jī)技術(shù)對網(wǎng)格各節(jié)點性能進(jìn)行預(yù)測，這種方法大大提高了網(wǎng)格調(diào)度的有效性，從而提高了任務(wù)調(diào)度的效率；然后提出量子遺傳算法；繼而把用支持向量機(jī)得出預(yù)測的結(jié)果與網(wǎng)格任務(wù)數(shù)據(jù)同時輸入基于量子遺傳算法

3、的調(diào)度執(zhí)行系統(tǒng)中，通過該模型得出任務(wù)調(diào)度方案；最后利用SimSnow平臺對上述模型得出的任務(wù)調(diào)度方案進(jìn)行驗證，表明基于量子遺傳算法的調(diào)度模型比以往的基于Min-Min算法與傳統(tǒng)遺傳算法的調(diào)度模型要優(yōu)越。 本文共分六章：第一章為緒論部分，對論文的研究背景和研究思路進(jìn)行了簡要的論述，提出了本文的研究對象、課題的研究意義，闡述了本文所采用的研究方法和章節(jié)構(gòu)造；第二章是網(wǎng)格和GirdGain概述，對網(wǎng)格概念進(jìn)行了闡述，概述了GirdGa

4、in平臺和安裝與調(diào)試；第三章是網(wǎng)格任務(wù)調(diào)度框架研究，對網(wǎng)格任務(wù)調(diào)度框架進(jìn)行了闡述，分析了經(jīng)典網(wǎng)格任務(wù)調(diào)度算法，提出了基于支持向量機(jī)性能預(yù)測的量子遺傳算法的網(wǎng)格任務(wù)調(diào)度框架，并對這種新的調(diào)度框架進(jìn)行了初步的總思考，引出了研究主題；第四章是基于支持向量機(jī)網(wǎng)格節(jié)點性能預(yù)測研究，講述了支持向量機(jī)的基本原理，并且利用支持向量機(jī)對網(wǎng)格節(jié)點性能進(jìn)行了預(yù)測；第五章是基于量子遺傳算法的網(wǎng)格調(diào)度任務(wù)研究，簡介了量子遺傳算法和量子計算原理，進(jìn)行了基于量子遺傳