集成P2P模式的网格资源发现算法研究

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (4): 111-113.

集成P2P模式的网格资源发现算法研究

熊曾刚^1,2,杨扬¹,刘丽¹,陈福¹,周静静¹

1.北京科技大学信息工程学院，北京 100083
2.孝感学院计算机系，湖北孝感 432000

收稿日期:2007-08-08 修回日期:2007-09-26 出版日期:2008-02-01 发布日期:2008-02-01
通讯作者: 熊曾刚

Grid resource discovery algorithm integrated P2P mode

XIONG Zeng-gang^1,2,YANG Yang¹,LIU Li¹,CHEN Fu¹,ZHOU Jing-jing¹

1.School of Information Engineering，University of Science and Technology Beijing，Beijing 100083，China
2.Department of Computer and Science，Xiaogan University，Xiaogan，Hubei 432000，China

Received:2007-08-08 Revised:2007-09-26 Online:2008-02-01 Published:2008-02-01
Contact: XIONG Zeng-gang

摘要/Abstract

摘要： 网格计算和对等计算有很多可以融合的特征。在传统的网格环境中，资源的发现和定位主要用集中式或者分层式来解决，随着网格规模的扩大，这种方式明显不适合网格环境。另一方面，P2P为大规模分布式环境下有效地发现资源提供了可扩展性方案。首先提出了一种集成P2P模式的网格资源管理模型，然后基于该模型提出了一种融合遗传和蚂蚁算法的资源发现算法。理论分析和仿真证明了遗传蚂蚁算法能有效地提高P2PGrid环境下的资源发现性能。

关键词: 网格计算, 对等计算, 遗传算法, 蚂蚁算法, 资源发现

Abstract: The convergence of the Grid and Peer-to-Peer（P2P） worlds has led to many solutions that try to efficiently solve the problem of resource discovery in Grids.Traditional approaches to Grid resource discovery are either centralized or hierarchical and will prove inefficient as the scale of Grid systems rapidly increase.On the other hand，the P2P paradigm emerges as a successful model that achieves scalability in distributed systems.In this paper，firstly a P2PGrid model is described，then a novel algorithm integrated genetic algorithm and ant algorithm is proposed which can adapt to the new P2PGrid environment.Theoretical analysis and simulations prove that genetic ant algorithm can improve the performance of resource discovery in P2PGrid.

Key words: grid computing, Peer-to-Peer computing, genetic algorithm, ant algorithm, resource discovery

熊曾刚^1,2,杨扬¹,刘丽¹,陈福¹,周静静¹. 集成P2P模式的网格资源发现算法研究[J]. 计算机工程与应用, 2008, 44(4): 111-113.

XIONG Zeng-gang^1,2,YANG Yang¹,LIU Li¹,CHEN Fu¹,ZHOU Jing-jing¹. Grid resource discovery algorithm integrated P2P mode[J]. Computer Engineering and Applications, 2008, 44(4): 111-113.

[1]	李昱奇，刘志乾，程凝怡，王莹莹，朱春丽. 多约束条件下无人机航迹规划[J]. 计算机工程与应用, 2021, 57(4): 225-230.
[2]	杨玮，吴莹莹，王婷. 子母式穿梭车仓储系统配置优化问题研究[J]. 计算机工程与应用, 2021, 57(4): 258-265.
[3]	李倩，蒋丽，梁昌勇. 基于模糊时间窗的多目标冷链配送优化[J]. 计算机工程与应用, 2021, 57(23): 255-262.
[4]	杜守信，毋涛. 双种群混合遗传算法的裁剪分床应用研究[J]. 计算机工程与应用, 2021, 57(22): 182-189.
[5]	曹立佳，刘洋. 制造车间自动导引车调度新进展[J]. 计算机工程与应用, 2021, 57(21): 59-67.
[6]	陈倩茹，李雅丽，许科全，刘铱龙，王淑琴. 自调优自适应遗传算法的WKNN特征选择方法[J]. 计算机工程与应用, 2021, 57(20): 164-171.
[7]	石宇强，田永政，张雨琦，石小秋. 运用含复杂网络结构的多种群遗传算法求解FJSP[J]. 计算机工程与应用, 2021, 57(2): 257-266.
[8]	代江涛，韩晓龙. 考虑作业状态能耗的集装箱码头设备协调调度[J]. 计算机工程与应用, 2021, 57(19): 290-298.
[9]	姜良重，雷航，李贞昊，钱伟中，施甘图. 采用自适应优化权重的出库货位优化方法研究[J]. 计算机工程与应用, 2021, 57(15): 271-278.
[10]	贺娇，谭代伦. 基于视野范围和遗传算法的三维地形路径规划[J]. 计算机工程与应用, 2021, 57(15): 279-285.
[11]	冯晓东，黄世荣，戴冠鸥，杨伟家，罗尧治. 天牛须遗传杂交算法的研究与应用[J]. 计算机工程与应用, 2021, 57(15): 90-100.
[12]	苏庆，林华智，黄剑锋，林志毅. 结合CNN和Catboost算法的恶意安卓应用检测模型[J]. 计算机工程与应用, 2021, 57(15): 140-146.
[13]	王秀丽，周鹏，侯静楠，王仕俊，林霞. 面向变电站机器人巡检路径规划中的算法研究[J]. 计算机工程与应用, 2021, 57(14): 245-250.
[14]	陈元文. MapReduce技术在物资调运与配载问题中的应用[J]. 计算机工程与应用, 2021, 57(12): 273-278.
[15]	邱云飞，高华聪. 混合Filter与改进自适应GA的特征选择方法[J]. 计算机工程与应用, 2021, 57(11): 95-102.