一种基于内点算法的三重目标过滤器优化算法的研究与仿真

 大规模非线性最优化一直是规划中的研究热点.内点算法是一种有效的求解大规模不等式约束问题的算法,然而大多数过滤内点算法仅考虑了可行性和稳定性,忽略了辅助性对算法性能的影响,为此本文在综合过滤器法和内点算法特点的基础之上,提出了一种新的适用于大规模非线性优化的基于内点算法的三重目标过滤器法.新算法依据内点算法的卡罗需-库恩-塔克(KKT)条件,以可行性、辅助性和稳定性作为搜索步长的目标,将等式约束违反量,障碍目标函数和辅助条件作为过滤器选项计算搜索步长.通过搭建计算机仿真环境进行数值测试,从迭代次数、函数估计次数和运行时间3方面与基本过滤器法相比.测试结果表明,相同条件下三重目标过滤器法可以获得更大的搜索步长,实现快速收敛的目的.该算法具有良好的全局收敛性、鲁棒性和有效性.     

网格计算中基于任务优先级的负载均衡算法

任务调度是网格计算研究的核心问题之一,任务调度策略的好坏将直接影响网格系统的性能.在对已有启发式任务调度算法进行分析比较基础上,针对于网格计算中的高吞吐率应用的任务调度问题,提出了一种综合考虑资源节点性能度量和任务优先级的负载均衡的启发式任务调度算法.进行了仿真实验,在任务完成时间和系统吞吐率二个方面与传统的Min-min算法、Max-min算法和Sufferage算法进行比较.仿真结果表明该算法不但可以减小任务总的完成时间,而且可以提高系统的吞吐率,更适用于高吞吐率应用任务调度问题的解决.     

一种基于任务分解的时间均衡调度算法

网格环境下的任务调度是一个NP完全问题,它一直是网格领域研究的核心。针对计算网格中的任务放牧调度这类问题,提出了一种基于任务分解的时间均衡调度算法。该算法在调度过程中充分考虑了网格资源的特点,采用重复调度和任务分解策略,并进行了仿真实验。在任务完成时间和系统吞吐率两方面与Max-min和Max-int算法进行比较,实验结果证明该算法优于Maxmin和Max-int,是一种性能较好的任务调度算法。