網(wǎng)格是分布式計(jì)算領(lǐng)域中的一個(gè)新興研究方向,在未來(lái)社會(huì)中發(fā)揮著越來(lái)越重要的作用,吸引了大批專家致力于網(wǎng)格的研究。網(wǎng)格是一個(gè)集成的計(jì)算與信息服務(wù)環(huán)境,它借助網(wǎng)絡(luò)連接地理上分布的計(jì)算資源,并將它們轉(zhuǎn)變成便利、經(jīng)濟(jì)、可靠的計(jì)算能力,以實(shí)現(xiàn)資源的共享。網(wǎng)格資源具有動(dòng)態(tài)性、異構(gòu)性、自治性等特點(diǎn),如何合理匹配網(wǎng)格任務(wù)與資源,使網(wǎng)格系統(tǒng)達(dá)到最佳性能,成為網(wǎng)格研究的重點(diǎn)之一,這也是本文研究的主要內(nèi)容。 網(wǎng)格任務(wù)調(diào)度是一類組合優(yōu)化問(wèn)題,圍繞網(wǎng)格任務(wù)調(diào)度算法,網(wǎng)格學(xué)者作了大量的研究工作,已將遺傳算法、粒子群算法、Min-Min算法等經(jīng)典組合優(yōu)化算法,成功應(yīng)用于求解網(wǎng)格任務(wù)調(diào)度問(wèn)題�；旌贤芴惴⊿FLA(Shuffled Frog Leaping Algorithm)是一種新興的啟發(fā)式算法,它兼具了粒子群算法和模因算法的優(yōu)點(diǎn),在求解網(wǎng)格任務(wù)調(diào)度問(wèn)題上取得不錯(cuò)的效果。 基于對(duì)SFLA算法和網(wǎng)格任務(wù)調(diào)度問(wèn)題的深入分析,論文針對(duì)SFLA算法自身存在的易陷入局部最優(yōu)以及信息共享不足等缺陷,進(jìn)行了如下幾個(gè)方面的研究:首先,考慮到“虎父無(wú)犬子”的自然進(jìn)化規(guī)律,鑒于Min-Min算法思路簡(jiǎn)單、能在較短時(shí)間內(nèi)獲得較高質(zhì)量解等...

【文章頁(yè)數(shù)】：68 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景及意義
    1.2 研究現(xiàn)狀
        1.2.1 網(wǎng)格研究現(xiàn)狀及動(dòng)態(tài)
        1.2.2 網(wǎng)格任務(wù)調(diào)度研究現(xiàn)狀
    1.3 主要研究?jī)?nèi)容
    1.4 論文框架結(jié)構(gòu)
2 網(wǎng)格環(huán)境下的任務(wù)調(diào)度
    2.1 網(wǎng)格
        2.1.1 網(wǎng)格概述
        2.1.2 網(wǎng)格的特性
        2.1.3 網(wǎng)格的體系結(jié)構(gòu)
    2.2 網(wǎng)格任務(wù)調(diào)度
        2.2.1 網(wǎng)格任務(wù)調(diào)度概述
        2.2.2 網(wǎng)格任務(wù)調(diào)度的目標(biāo)
        2.2.3 網(wǎng)格任務(wù)調(diào)度系統(tǒng)及特點(diǎn)
        2.2.4 網(wǎng)格任務(wù)調(diào)度過(guò)程
        2.2.5 經(jīng)典網(wǎng)格任務(wù)調(diào)度算法
    2.3 本章小結(jié)
3 一種改進(jìn)的混合蛙跳算法
    3.1 算法理論基礎(chǔ)
        3.1.1 模因算法
        3.1.2 混合算法
        3.1.3 粒子群算法
    3.2 混合蛙跳算法
        3.2.1 混合蛙跳算法原理
        3.2.2 混合蛙跳算法數(shù)學(xué)模型
        3.2.3 混合蛙跳算法流程
        3.2.4 混合蛙跳算法參數(shù)分析
    3.3 混合蛙跳算法的改進(jìn)策略
        3.3.1 種群初始化優(yōu)化策略
        3.3.2 局部搜索優(yōu)化策略
        3.3.3 混合操作優(yōu)化策略
    3.4 本章小結(jié)
4 基于改進(jìn)混合蛙跳算法的網(wǎng)格任務(wù)調(diào)度
    4.1 問(wèn)題描述
    4.2 改進(jìn)混合蛙跳算法實(shí)現(xiàn)過(guò)程
        4.2.1 參數(shù)設(shè)置
        4.2.2 模因編碼
        4.2.3 種群初始化
        4.2.4 適應(yīng)度函數(shù)
        4.2.5 青蛙種群分族
        4.2.6 局部搜索
        4.2.7 混合操作
    4.3 改進(jìn)混合蛙跳算法執(zhí)行流程
    4.4 本章小結(jié)
5 仿真實(shí)驗(yàn)及結(jié)果分析
    5.1 GridSim 網(wǎng)格模擬器概述
        5.1.1 GirdSim 的主要特征
        5.1.2 GirdSim 體系結(jié)構(gòu)
        5.1.3 GirdSim 的通信實(shí)體
        5.1.4 GridSim 仿真流程
    5.2 算法的設(shè)計(jì)與實(shí)現(xiàn)
        5.2.1 種群初始化模塊的實(shí)現(xiàn)
        5.2.2 局部搜索模塊的實(shí)現(xiàn)
        5.2.3 混合操作模塊的實(shí)現(xiàn)
        5.2.4 算法主體的實(shí)現(xiàn)
    5.3 實(shí)驗(yàn)及結(jié)果分析
        5.3.1 配置仿真環(huán)境
        5.3.2 實(shí)驗(yàn)參數(shù)
        5.3.3 實(shí)驗(yàn)結(jié)果分析
    5.4 本章小結(jié)
6 總結(jié)與展望
    6.1 論文工作小結(jié)
    6.2 后續(xù)研究工作
致謝
參考文獻(xiàn)
個(gè)人簡(jiǎn)歷、在學(xué)期間發(fā)表的學(xué)術(shù)論文及取得的研究成果



本文編號(hào)：3768786