异构计算系统中基于改进遗传算法的多目标优化任务调度研究

声明

摘要

第一章 前言

1．1 概述

1．2 国内外研究现状

1．3 本文主要工作

1．4 本文组织结构

第二章 异构计算系统任务调度及多目标优化

2．1 异构计算系统

2．1．1 异构计算系统结构

2．1．2 异构计算系统原理

2．1．3 异构计算系统并行计算任务模式

2．2 任务调度

2．2．1 任务调度问题

2．2．2 任务调度分类

2．3 多目标优化

2．3．1 多目标优化问题概述

2．3．2 多目标优化算法

2．4 小结

第三章 任务调度目标

3．1 异构计算系统下任务调度

3．2 多目标任务调度问题描述

3．3 任务的约束规则

3．4 优化目标公式化

3．4．1 完成时间

3．4．2 可靠性

3．4．3 负载均衡

3．4．4 多目标

3．5 小结

第四章 改进遗传算法

4．1 遗传算法

4．1．1 传统遗传算法概述及原理

4．1．2 遗传算法重要运行参数

4．1．3 遗传算法优缺点

4．1．4 单亲遗传算法原理过程

4．1．5 单亲遗传算法“准早熟收敛现象”

4．2 改进算法思想分析

4．2．1 回溯机制与回收池

4．2．2 最优保存与最优进化策略

4．2．3 融合单亲遗传算法思想

4．3 改进遗传算法描述

4．3．1 适应度函数

4．3．2 任务调度染色体编码设计

4．3．3 种群多样性评价

4．3．4 算法的终止条件与参数设定

4．4 改进遗传算法过程

4．4．1 种群的初始生成

4．4．2 遗传算子

4．4．3 算法具体流程

第五章 实验仿真与结果分析

5．1 自适应遗传算法介绍

5．2 实验环境与测试任务

5．3 初始种群的多样性与稳定性

5．3．1 验证初始种群的多样性

5．3．2 验证初始种群的稳定性

5．4 测试结果比较

5．4．1 单目标测试

5．4．2 双目标测试

5．4．3 多目标测试

第六章 结论

参考文献

致谢