融合小生境遗传禁忌的多目标网格调度研究

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (14): 62-65.

融合小生境遗传禁忌的多目标网格调度研究

陈友文1，2，李智勇1，任长安1

1.湖南大学计算机与通信学院，长沙 410082
2.湖南涉外经济学院计算机科学与技术学部，长沙 410205

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-05-11 发布日期:2011-05-11

Multi-objective grid task scheduling algorithms based on combined strategy of Niche genetic algorithm and Tabu search

CHEN Youwen1，2，LI Zhiyong1，REN Chang’an1

1.Department of Computer Science and Communication，Hunan University，Changsha 410082，China
2.Department of Computer，Hunan International Economics University，Changsha 410205，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-05-11 Published:2011-05-11

摘要/Abstract

摘要： 针对在动态、复杂的网格系统中，资源的失效非常频繁，影响网格计算的服务质量和效率的问题，提出了基于融合小生境的遗传禁忌的多目标网格任务调度算法，将任务生存性和任务完成时间（Makespan）结合起来，给出一个可调节的多目标集成效用函数，实现了基于融合小生境的遗传禁忌的多目标启发式调度算法。模拟实验结果表明，该算法能够有效地平衡任务生存性和Makespan两个目标，更适合开放复杂的网格计算环境。

关键词: 遗传算法, 禁忌搜索算法, 融合, 多目标, 网格, 任务调度

Abstract: Combining the advantage of genetic algorithm and tabu search，a combined evolutionary computing is proposed to optimize the grid task scheduling strategy.In the complex and dynamic grid system，failure of resources is very common.To mitigate this problem，a local objective function which can be adjusted is proposed by incorporating the makespan and the survivability of task.The simulation results show that the scheduling algorithm can trade off these two objectives.So it can be applied in the complex grid computing environment well.

Key words: genetic algorithm, tabu search, combined, multi-objective, grid, task scheduling

陈友文1，2，李智勇1，任长安1. 融合小生境遗传禁忌的多目标网格调度研究[J]. 计算机工程与应用, 2011, 47(14): 62-65.

CHEN Youwen1，2，LI Zhiyong1，REN Chang’an1. Multi-objective grid task scheduling algorithms based on combined strategy of Niche genetic algorithm and Tabu search[J]. Computer Engineering and Applications, 2011, 47(14): 62-65.

[1]	张波，徐黎明，黄志伟，要小鹏. 梯度策略的多目标GANs帕累托最优解算法[J]. 计算机工程与应用, 2021, 57(9): 89-95.
[2]	陆莉霞，邹俊忠，郭玉成，张见，王蓓. 多模态融合的膝关节损伤预测[J]. 计算机工程与应用, 2021, 57(9): 225-232.
[3]	张旭，袁旭梅，袁继革. 中介视角下供需匹配决策方法研究[J]. 计算机工程与应用, 2021, 57(9): 240-246.
[4]	王兵，乐红霞，李文璟，张孟涵. 改进YOLO轻量化网络的口罩检测算法[J]. 计算机工程与应用, 2021, 57(8): 62-69.
[5]	李震霄，孙伟，刘明明，郑丽丽，陈劭颖. 交通监控场景中的车辆检测与跟踪算法研究[J]. 计算机工程与应用, 2021, 57(8): 103-111.
[6]	张越，黄友锐，刘鹏坤. 引入注意力机制的多分辨率人体姿态估计研究[J]. 计算机工程与应用, 2021, 57(8): 126-132.
[7]	董旭彬，赵清华. 改进Mask R-CNN在航空影像目标检测的研究应用[J]. 计算机工程与应用, 2021, 57(8): 133-144.
[8]	王玲，王家沛，王鹏，孙爽滋. 融合注意力机制的孪生网络目标跟踪算法研究[J]. 计算机工程与应用, 2021, 57(8): 169-174.
[9]	李明山，韩清鹏，张天宇，王道累. 改进SSD的安全帽检测方法[J]. 计算机工程与应用, 2021, 57(8): 192-197.
[10]	槐创锋，郭龙，贾雪艳，张子昊. 改进A*算法与动态窗口法的机器人动态路径规划[J]. 计算机工程与应用, 2021, 57(8): 244-248.
[11]	郭晓静，隋昊达. 改进YOLOv3在机场跑道异物目标检测中的应用[J]. 计算机工程与应用, 2021, 57(8): 249-255.
[12]	李中道，刘元盛，常飞翔，张军，路铭. 室内环境下UWB与LiDAR融合定位算法研究[J]. 计算机工程与应用, 2021, 57(6): 260-266.
[13]	刘畅，邱卫根，张立臣. 基于可变形掩膜对齐卷积模型的行人再识别[J]. 计算机工程与应用, 2021, 57(5): 146-152.
[14]	韩文静，罗晓曙，杨日星. 一种复合型手势识别方法研究[J]. 计算机工程与应用, 2021, 57(4): 108-113.
[15]	赵辉，李志伟，方禄发. 特征信息增强的单发多框检测器算法[J]. 计算机工程与应用, 2021, 57(4): 148-154.