本文介绍了一种名为性能有效遗传算法（PEGA），用于解决异构环境中的静态DAG任务调度问题。PEGA在保持较低时间复杂度的同时，能提供接近最优的任务时间表。通过与标准遗传算法（SGA）的对比，PEGA在任务调度性能和运行时间上表现出优越性。算法主要改进在于染色体表示和评价策略，以及特定的遗传算子设计。
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
，
最低0.47元/天 解锁文章
6848
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
