基于多态蚁群算法计算网格负载均衡的研究

摘要

随着人们求解问题领域的不断扩展，所遇到的问题越来越复杂，而且规模也越来越大，解决这些问题所要求的计算能力也在大幅度提高。又由于考虑到高成本超大型计算机没有得到充分地利用，所以人们便试图研究分布式计算环境来利用网络中的空闲资源解决这些需要大量计算的复杂问题。网格计算正是人们正在研究的利用网络并联合分散在网络中各个区域的空闲资源来为网格系统应用软件服务，从而解决这些科学问题。为了融合这些大量网络资源并有效地计算，解决网格计算中的负载均衡问题成为关键性的技术。本文研究的内容是将多态蚁群算法应用到计算网格负载均衡中，为实现计算网格负载均衡开辟一条新的途径。
　　 本文在深入研究计算网格负载均衡、蚁群算法和多态蚁群算法的原理和性能的基础上，提出了基于多态蚁群算法的计算网格负载均衡模型。本文主要做了如下工作：
　　 1、缩小搜索范围，加快收敛速度。由于计算网格的复杂性和规模的巨大性，要快速实现全局搜索并找到最优计算资源并分配作业是困难的。应此，本文通过对搜索范围的限定，以最快的速度找到合适的计算资源。
　　 2、优化搜索概率，使搜索蚂蚁搜索到合适计算资源节点的可能性提高。
　　 3、减少搜索路径的数量。通过域值的设定，确定几条可能的搜索路径。同时减轻网络的通信量，加快搜索合适计算资源节点的速度。
　　 本文通过仿真模拟，证实了在计算网格中的基于多态蚁群算法的负载均衡策略的实用性和有效性。

目录

文摘

英文文摘

第一章 绪论

1．1 网格计算研究背景和意义

1．1．1 网格计算概述

1．1．2 网格研究现状及其发展趋势

1．1．2 网格计算研究目的和意义

1．2 计算网格负载均衡研究现状及其意义

1．2．1 计算网格负载均衡研究现状

1．2．2 计算网格负载均衡研究意义

1．3 本文研究的内容及其意义

1．3．1 基于多态蚁群算法计算网格负载均衡模型的提出

1．3．2 本文研究的意义

1．4 本文的组织结构

第二章 蚁群算法及其研究现状

2．1 仿生算法概述

2．2 蚁群算法的基本原理

2．2．1 蚁群算法概述

2．2．2 旅行商问题

2．2．3 基本蚂蚁算法的数学模型

2．2．4 基本蚁群算法的实现步骤及其流程图

2．3 多态蚁群算法模型及其实现

2．3．1 蚁群系统的多态性

2．3．2 多态蚁群算法模型

2．3．3 多态蚁群算法(PACA)的实现步骤及其流程图

2．4 蚁群算法研究现状

2．4．1 蚁群算法理论研究现状

2．4．2 蚁群算法应用研究现状

2．5 本章小结

第三章 基于PACA的网格负载均衡模型设计及其分析

3．1 PACA用于计算网格负载均衡问题的可行性分析

3．2 系统结构概述

3．3 系统结构设计

3．3．1 节点资源管理器的结构

3．3．2 蚂蚁种群结构

3．3．3 算法设计

3．3．4 算法结构流程图

3．4 基于PACA网格负载均衡模型的参数分析

3．4．1 最大生存周期TTLmax分析

3．4．2 信息启发因子α，β分析

3．4．3 参数ρ、w、Creward、Cpunish分析

3．5 本章小结

第四章 模型参数确定及其实现

4．1 GridSim

4．1．1 GridSim模拟器简介

4．1．2 GridSim体系结构

4．2 仿真实验环境搭建

4．2．1 实验环境的设置

4．2．2 实验任务以及资源的创建

4．3 模型参数确定

4．3．1 参数α，β值的确定

4．3．2 参数ρ值的确定

4．3．3 参数Cpunish，Creward值的确定

4．4 实验结果及其分析

4．4．1 基于PACA计算网格负载均衡算法的实验数据

4．4．2 动态调度算法OLB实验数据及对比分析

4．5 本章小结

第五章 总结与展望

参考文献

攻读硕士学位期间发表的学术论文

致 谢