基于并行遗传蚁群混合算法的网格资源调度研究被引量：3

Research on Resource Scheduling Based on Parallel Genetic Ant Colony Hybrid Algorithm in Computational Grid

在线阅读下载PDF

导出

摘要合理的资源调度算法可以在很大程度上提高网格系统的有效利用率。在网格环境中,用户希望自己的任务尽可能快地得到完成,而网格环境则希望尽可能充分地利用所有资源。针对这种情况,本文提出了基于并行遗传蚁群混合算法的网格资源调度,具有较小的时间复杂度和良好的调整性能。实验证明了其正确性与实用性。

作者朱英雷领红黄文明

机构地区桂林电子科技大学计算机与控制学院

出处《计算机系统应用》 2008年第10期28-31,共4页 Computer Systems & Applications

基金广西教育厅项目(2004(20)) 桂林电子科技大学06年度学科软环境项目

关键词网格资源调度混合算法

参考文献4

1[1]Fujimoto N,Hagihara K.A comparison among grid nscheduling algorithms for independent coarse-grained tasks.In:Proc.Of the 2004 Symp.on Applications and the Internet-Workshops.Washington:IEEE Computer Society Press,2004.674 -680.
2[2]De Turck F,Yanhaste S.A generic middleware-based platform for scalable cluster computing J,Future Generation Computer Systems,2002,1:549-560.
3[3]Srinivas M,Patnaik L M.Genetic algorithm:a survey.IEEE Computer,1994,27 (6):17-26.
4[4]Liang Y C,Smith A C.An ant system approach to redundancy allocation C,Proceedings of the Congress on Evolutionary Computation,Washington,1999,1478-1484.

1孙海雷,刘琼荪,胡上尉.TSP问题的顺序插入交叉算子[J].计算机工程与应用,2007,43(8):65-66. 被引量：8
2韩宗芬,江锋,章勤,徐胜超.一种基于对等网络高性能计算的任务调度算法[J].华中科技大学学报（自然科学版）,2007,35(3):31-34. 被引量：4
3雷厉,石星,吕泽均,等.侦察与监视[M].北京:国防工业出版社,2008.
4Luger G F.人工智能:复杂问题求解的结构和策略[M].北京:机械工业出版社,2010.
5王士同.人工智能教程[M].北京:电子工业出版社,2005:100-106.
6王斌,朱拓,孟昭渊,等.改进遗传算法在风光互补系统配置优化的应用[C]∥史忠植,张银奎,赵志昆.第十届中国太阳能光伏会议论文集.杭州:浙江大学出版社,2008:809-817.
7陆金桂;李谦;王浩.遗传算法原理及其工程应用[M]{H}徐州:中国矿业大学出版社,19971-155.
8GREFENSTETTEE J J. Genetic Algorithms for the Salesman Problem[A].Lawrence Erlbaum Associates,Publishers,1985.
9李林.基于遗传算法的入侵检测系统研究[J].现代计算机,2008,14(7):59-61. 被引量：1
10李佳,彭玉青,胡希文.改进的遗传算法在作业调度中的应用[J].计算机工程与科学,2008,30(10):48-50. 被引量：7

1孟凡聪.一种粒子群蚁群混合算法研究分析[J].福建电脑,2011,27(11):97-98.
2李克文,张自鲁.基于遗传-蚁群混合算法的软件测试数据自动生成方法[J].计算机工程与科学,2010,32(5):51-53. 被引量：4
3宋晓宇,孟秋宏,朱云龙.面向Job Shop调度的算法融合方法研究[J].机械科学与技术,2007,26(5):600-605.
4刘勇,刘念,刘孙俊.一种基于免疫蚁群混合算法的TSP求解模型[J].四川大学学报（工程科学版）,2010,42(3):121-126. 被引量：10
5马江涛.遗传混合算法路径规划研究[J].信息与电脑（理论版）,2010(2):158-159.
6李庆,师敏,杨永康.用于PTN网管的蚁群混合算法改进[J].武汉理工大学学报,2013,35(8):145-148.
7王纯纲,刘志杰,谢晓尧.基于遗传与蚁群混合算法的智能组卷研究[J].贵州师范大学学报（自然科学版）,2014,32(1):100-104. 被引量：2
8吴隽,李文锋,陈定方.C-means-based ant colony algorithm for TSP[J].Journal of Southeast University(English Edition),2007,23(S1):156-160.
9徐晓晖.基于免疫机制的改进粒子群优化算法研究[J].舰船防化,2009(4):45-50.
10陈蒂,郑更生.基于人工免疫—蚁群混合算法的WSN路径优化研究[J].软件导刊,2013,20(1):49-51.

计算机系统应用

2008年第10期

内容加载中请稍等...