异构系统中基于元启发方法的并行任务调度算法研究
| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第1章 绪论 | 第18-31页 |
| 1.1 研究背景 | 第18-26页 |
| 1.1.1 并行计算的发展 | 第18-23页 |
| 1.1.2 超级计算机的发展 | 第23-25页 |
| 1.1.3 资源管理与任务调度在异构系统中的作用 | 第25-26页 |
| 1.2 国内外研究现状 | 第26-28页 |
| 1.2.1 静态调度 | 第26-28页 |
| 1.2.2 动态调度 | 第28页 |
| 1.3 本文主要工作及贡献 | 第28-29页 |
| 1.4 论文组织结构 | 第29-31页 |
| 第2章 计算智能和相关模型 | 第31-60页 |
| 2.1 新型计算智能简介 | 第31页 |
| 2.2 遗传算法 | 第31-39页 |
| 2.2.1 遗传算法的原理 | 第32-35页 |
| 2.2.2 遗传算法的实现方法 | 第35-39页 |
| 2.3 化学反应优化算法 | 第39-47页 |
| 2.3.1 化学反应优化算法的原理 | 第39-40页 |
| 2.3.2 化学反应优化算法的实现方法 | 第40-45页 |
| 2.3.3 化学反应优化算法设计 | 第45-47页 |
| 2.4 遗传算法的设计要点和CRO算法的特点 | 第47-49页 |
| 2.4.1 遗传算法设计要点 | 第47-48页 |
| 2.4.2 遗传算法与化学反应优化算法的特点 | 第48页 |
| 2.4.3 遗传算法与化学反应优化算法的局限性 | 第48-49页 |
| 2.4.4 算法改进的方法 | 第49页 |
| 2.5 模型 | 第49-58页 |
| 2.5.1 系统模型 | 第49-51页 |
| 2.5.2 应用模型 | 第51-52页 |
| 2.5.3 异构模型 | 第52-54页 |
| 2.5.4 调度模型 | 第54-55页 |
| 2.5.5 能耗模型 | 第55-57页 |
| 2.5.6 测试用DAG模型 | 第57-58页 |
| 2.6 本章小结 | 第58-60页 |
| 第3章 异构系统中基于遗传算法的并行任务调度算法 | 第60-90页 |
| 3.1 引言 | 第60-61页 |
| 3.2 相关研究工作 | 第61-66页 |
| 3.2.1 静态调度 | 第61-64页 |
| 3.2.2 动态调度 | 第64-65页 |
| 3.2.3 所提的方法 | 第65-66页 |
| 3.3 基于双螺旋结构调度算法设计 | 第66-74页 |
| 3.3.1 DAG任务调度优先队列变换策略 | 第66-67页 |
| 3.3.2 遗传种子及初始种群的生成 | 第67-68页 |
| 3.3.3 交叉操作 | 第68-69页 |
| 3.3.4 变异操作 | 第69-71页 |
| 3.3.5 适应度函数 | 第71-73页 |
| 3.3.6 选择操作 | 第73-74页 |
| 3.4 改进的基于多优先队列的遗传调度算法 | 第74-80页 |
| 3.4.1 算法框架 | 第74-75页 |
| 3.4.2 染色体的结构 | 第75-76页 |
| 3.4.3 初始化种群 | 第76-77页 |
| 3.4.4 交叉操作 | 第77-78页 |
| 3.4.5 变异操作 | 第78-79页 |
| 3.4.6 停止条件 | 第79-80页 |
| 3.5 仿真实验结果 | 第80-87页 |
| 3.5.1 仿真环境、参数设置及性能指标 | 第80-81页 |
| 3.5.2 真实应用图 | 第81-83页 |
| 3.5.3 随机生成的应用图 | 第83-87页 |
| 3.6 时间复杂性分析 | 第87-89页 |
| 3.7 本章小结 | 第89-90页 |
| 第4章 异构系统中化学反应优化的并行任务调度算法 | 第90-117页 |
| 4.1 引言 | 第90-91页 |
| 4.2 相关研究工作 | 第91-93页 |
| 4.2.1 启发式调度算法 | 第91-92页 |
| 4.2.2 元启发式调度算法 | 第92-93页 |
| 4.3 双分子结构化学反应优化算法 | 第93-99页 |
| 4.3.1 分子结构和适应度函数 | 第93-94页 |
| 4.3.2 基本化学反应操作 | 第94-95页 |
| 4.3.3 分解操作算子 | 第95页 |
| 4.3.4 双分子碰撞操作算子 | 第95-97页 |
| 4.3.5 合成操作算子 | 第97-99页 |
| 4.3.6 DMSCRO的框架结构 | 第99页 |
| 4.4 改进的混合化学反应优先算法 | 第99-109页 |
| 4.4.1 事例和动机 | 第101页 |
| 4.4.2 分子表示和初始种群 | 第101-103页 |
| 4.4.3 混合启发式操作算子 | 第103-104页 |
| 4.4.4 改进的分解操作算子 | 第104-106页 |
| 4.4.5 改进的双分子交换操作算子 | 第106-108页 |
| 4.4.6 改进的合成操作算子 | 第108-109页 |
| 4.5 实验与仿真 | 第109-115页 |
| 4.5.1 真实世界应用图 | 第110-112页 |
| 4.5.2 随机生成的应用图 | 第112-115页 |
| 4.6 时间复杂性分析 | 第115-116页 |
| 4.7 本章小结 | 第116-117页 |
| 第5章 基于NSGAⅡ的双目标任务调度算法 | 第117-147页 |
| 5.1 引言 | 第117-119页 |
| 5.1.1 多目标优化问题 | 第117-118页 |
| 5.1.2 处理机能耗问题 | 第118-119页 |
| 5.2 相关工作 | 第119-124页 |
| 5.2.1 多目标优化 | 第119-121页 |
| 5.2.2 处理机节能技术 | 第121-124页 |
| 5.3 NSGA-Ⅱ遗传算法 | 第124-132页 |
| 5.3.1 多目标优化问题的定义 | 第124页 |
| 5.3.2 非支配排序的NSGA-Ⅱ遗传算法 | 第124-126页 |
| 5.3.3 多目标NSGA-Ⅱ算法发展 | 第126-128页 |
| 5.3.4 NSGA-Ⅱ算法的操作流程 | 第128-132页 |
| 5.4 基于DVFS的松驰拉伸调度方法 | 第132-143页 |
| 5.4.1 自底向上松驰算法 | 第136-140页 |
| 5.4.2 具有碎片整理的自底向上松弛算法 | 第140-143页 |
| 5.5 NSGA-Ⅱ实验与仿真 | 第143-145页 |
| 5.5.1 实验参数 | 第143页 |
| 5.5.2 实验结果与分析 | 第143-145页 |
| 5.6 本章小结 | 第145-147页 |
| 第6章 总结与展望 | 第147-151页 |
| 6.1 本文工作总结 | 第147-149页 |
| 6.2 下一步工作展望 | 第149-151页 |
| 参考文献 | 第151-170页 |
| 附录 A 发表论文和参加科研情况说明 | 第170-172页 |
| 致谢 | 第172-173页 |
