目录
摘要
本文通过有效利用基于进化的算法解决了任务调度问题。遗传算法有望即使面对大问题也能提供接近最优的结果,遗传算法的时间复杂度更高。
提出一种算法——性能有效遗传算法(PEGA),不仅提供了接近最优的时间表,而且具有较低的时间复杂度。
PEGA有效地从搜索空间中找到最佳解决方案,通过严格的搜索有效利用遗传算子(交叉和突变)而具有性能有效性。此外,b级染色体编码引入了简单性和效率。
我们通过与标准遗传算法(SGA)的广泛模拟来比较性能。结果比较证明,PEGA在提供近乎最佳时间表和相当少的运行时间方面优于SGA。
调度问题
解决异构环境的静态DAG调度;
假设所有关于任务和资源的信息都在掌握中,包括任务和资源数量、任务优先级及其通信开销和执行成本;所有的通信费用都已经计入通信成本。
假设可用资源集为,并且对于任务集
中的任何任务,每个资源消耗不同的执行时间。
目标:首先将任务集映射到可用资源集上,其次以最佳方式安排任务分配的顺序;
任务在资源
上的执行成本为:
执行成本矩阵(E.C)储存执行成本
在所有父任务未完成之前,任何任务都无法开始执行。通信成本矩阵中的每个元素都是两个任务之间的边缘权重。
对于任务和
,