基于改进遗传算法的网格任务调度

为在网格环境下完成任务调度,使服务运行时间和费用2个指标达到最优化,将这2个指标作为网格任务调度模型的衡量指标,将计算经济模型引入网格资源管理,改进了遗传算法。算法中的染色体编码采用间接编码方式,对每个任务占用的资源编码,即实数编码方法。生成初始种群时采用随机生成种群和根据某些先验知识生成种群这2种方法相结合,变异操作时根据原来染色体的适应值和适应度函数进行有目的的随机变异。通过网格仿真平台GridSim对该算法进行模拟验证,并将其与简单遗传算法及GridSim中经济模型下时间最优算法DBC_Time比较,试验结果证明,其能较好完成网格环境下任务的调度,实现时间和费用双目标优化。     

面向密集数据处理的网格平台研究

针对网格环境下的密集数据处理,构建了网格平台IDPGP.该平台基于Globus Toolkit 4、OGSA-DAI、Condor和PBS,主要提供网格信息服务、网格资源管理、数据访问与集成等服务,实现网格资源共享,完成密集数据的读取与处理.在网格资源管理服务中设计了一个基于分层模型的计算资源管理模型,既保证了每个虚拟域的一致性和可管理性,又增强了整个平台的可扩展性和容错能力.