专利名称：一种应用与仿真网格系统的生物智能调度方法
技术领域：
本发明属于建模与仿真技术领域，具体涉及应用与仿真网格系统的生物智能调度 方法。
背景技术：
随着仿真任务范围的不断扩展以及仿真应用需求的不断复杂化，仿真网格系统将 是未来发展的趋势。仿真网格的优势在于针对现有HLA仿真系统存在的局限性，引入网格 技术解决仿真应用系统的资源动态分配问题。现有的HLA仿真系统实现中，仿真应用同仿 真模型的耦合关系过于紧密，系统缺乏灵活性，造成了整个仿真系统效率下降要做到作业 的动态分配，就必须把仿真客户端和仿真服务器分离开来。使用网格技术来支持仿真系统 将大大改善上述缺点，而对于仿真网格系统来说良好的作业调度方法，便于整个仿真网格 内的最优化使用方案，并自动地分配和交付相关资源。无论是基于HLA的仿真网格系统，还是其它面向服务的仿真网格架构，都需要针 对动态、开放的计算环境下确立如何构造、部署和使用面向服务应用的有效方法和机制。通 过高效仿真网格作业调度和资源组织管理，仿真网格平台才能快速的为用户提供了向网格 系统提交仿真任务的方法，以透明地分配相关的工作负荷，保障仿真作业的顺利执行。经对 现有技术文献的检索发现，国外比较有名的仿真网格调度项目有，美国加州大学圣迭戈分 校的GRAIL研究项目，其是原先的Apples项目的扩展。GRAIL的核心部分是Apples调度 器，负责将任务与资源匹配；采用分布式调度，任务的实际执行是由本地任务调度器来负责 的。调度器提供的是“尽能力服务”，没有服务质量(QoS)的保证，支持具有启发式性能预 测估计以及在线再调度功能，同时具有固定的面向应用的调度策略。美国威斯康星大学的 Condor-G研究项目，是分布式计算环境Condor和网格的结合。资源发现是基于资源信息周 期性的“push”发布和集中式查询，调度器也采用集中式调度结构，不支持服务质量。美国 弗吉尼亚大学的Legion研究项目。Legion的资源管理架构是层次型的，使用分布式调度策 略，支持缺省的面向系统的调度策略。Legion支持资源预约，允许应用层调度器执行周期性 调度或者批调度。仿真应用计算环境中的任务调度问题多以任务完成时间为优化目标，从总体上来 看，是NP完全的；因而，在这个领域，产生的许多研究成果是近似性的或者仅具有启发性的 方法。图论，数学规划，遗传理论，排队论等理论被用来解决这个问题。经典的调度优化算 法总结如下(I)Min-Min算法=Min-Min算法将任务指派给不仅完成它最早，而且执行它最快 的机器，以使全部任务完成时间最小。该算法计算每个任务在各个机器上的期望完成时间， 取得每个任务的最早完成时间及其机器，再将具有最小最早完成时间的任务指派给获得它 的机器，指派后更新机器就绪时间，并将已分配的任务从任务集合中删除。如此重复，直到 全部任务被分配为止。(2)Max-Min算法=Max-Min的主要思想是一旦每个任务的获得最早完成时间的
3机器被找到，具有最大最早完成时间的任务将被指派给该机器。并更新期望完成时间矩阵 和机器就绪时间向量。如此重复，直到所有任务分配完毕。(3)模拟退火算法模拟退火算法用于优化问题的出发点是基于物理中固体物质 的退火过程与一般优化问题的相似性。算法的基本思想是从给定解开始的，从邻域中随机 产生另一个解，接受准则允许目标函数在有限范围内变坏，它由控制参数t决定，其作用类 似于物理过程中的温度T，对于控制参数t的每一取值，算法持续进行“产生新解_判断_接 受或舍弃”的迭代过程，对应着固体在某一恒定温度下趋于热平衡的过程。经过大量的解变 换后，可以求得给定控制参数t值时优化问题的相对最优解。然后减小控制参数t的值，重 复执行上述迭代过程。当控制参数逐渐减小并趋于零时，系统亦越来越趋于平衡状态，最后 系统状态对应于优化问题的整体最优解，该过程也称冷却过程。(4)遗传算法遗传算法类似于自然进化，通过作用于染色体上的基因寻找好的 染色体来求解问题。与自然界相似，遗传算法对求解问题的本身一无所知，它所需要的仅是 对算法所产生的每个染色体进行评价，并基于适应值来选择染色体，使适应性好的染色体 有更多的繁殖机会。在遗传算法中，通过随机方式产生若干个所求解问题的数字编码，即染 色体，形成初始群体；通过适应度函数给每个个体一个数值评价，淘汰低适应度的个体，选 择高适应度的个体参加遗传操作，经过遗传操作后的个体集合形成下一代新的种群，对这 个新种群进行下一轮进化。(5) Dynamic Priority Scheduling(DPS)算法一般来讲，CPM 算法静态地确定它 们的任务的优先级，因而不能直接用在异构环境中。DPS算法用了一个称为“动态层次”的 属性在每一个调度步来决定任务的优先级。DPS算法用来在一个能最早完成任务的合适的 处理器上用最大动态优先级来调度一个任务。动态优先级用两个主要的原则来计算和衡 量。一个是任务的底层级别，是任务的计算费用和从任务到“退出任务”的路径上的计算费 用的最大总和。另外一个是任务的高层级别，是计算费用和从“进入任务”到任务的计算费 用的最大总和。底层级别和高层级别的差别指的是任务的动态优先级的不同。这种算法允 许任务的相对重要性的改变。(6) DGS算法DGS算法总是选择当前最大计算能力的主机来计算被选择调度的任 务，如果最大的主机不是合适的，则把当前任务保留下来，为其分配将来合适的主机执行。 DGS算法采用一种新的动态任务分组策略对网格计算环境中的主机根据其计算能力依次编 号，对于计算任务按负载大小依次编号，并把计算任务根据其负载大小与主机的计算能力 相对应分成H组(其中H表示主机的个数)。如果一个任务的组号比某一主机的编号小，那 么这个主机就能执行这个任务。这样保证了一个计算能力低下的主机不会执行一个计算量 大的任务。同时，任务的所属组别可以随处理器计算能力的波动而动态改变。这些经典的算法过于简单，不能适应复杂环境的仿真任务调度的要求。而蚁群算法以高效的性能在近年来渐渐崭露头角，其最基本的原理就是通过分配 人工蚂蚁在最短的路径下最快的找到所需要的资源。其优点是具有分布式性、组织性、协 作性、并行性、智能性功能，其缺点是基本蚁群算法有较长的搜索时间，容易出现停滞现象， 需要改进。国内有许多人改进蚁群算法，但仅限于理论，并未有实际的改进。其中比较典型 的曾洲等人提出的基于信息素改进的蚁群作业调度方法。通过优化算法中平均信息素分布 度，增强全局(或局部)最优解和全局(或局部)次优解的路径上的信息量浓度，从而有效
4地克服了传统蚁群算法中容易陷入局部最优解的问题。但这种改进算法收敛性提高程度还 是很低。而且该方法需要很好的资源调度器作为支持，另外该方法没有考虑仿真网格计算 的特点，不支持仿真系统大规模模型调度。
发明内容
本发明的目的是针对现有技术的不足，结合仿真网格中模型调度的特点，借鉴自 然界的生物群体通过体内发出的信息素进行协作以完成复杂任务的思想，提出一种应用与 仿真网格系统的多路径混合蚁群智能调度方法，该方法通过运用了蚁群算法的思想，并在 基本蚁群算法的基础上进行改进，实现蚁群的多路径分级，将蚂蚁的路径选择过程分为三 个级，在第一级阶段，路径上信息量根据相应路由的延时约束满足程度进行更新，蚂蚁主要 选择延时约束和带宽约束较好的路径。当信息量积累到一定程度进入第二级阶段，链路上 的信息量已足以体现延时约束方面的优势，此时用延时抖动约束满足程度对对应路径上的 信息元素量进行更新，这样在原来延时约束满足程度好、剩余带宽较大路由中，延时抖动约 束满足程度高的路径上的信息量就越来越多，促使蚂蚁选择这些路径。当搜索过程进入第 三级阶段后用信息元素丢失率约束满足程度更新信息元素，搜索过程完成后，用成本表示 适应度并选择适应度较高的个体进入下一次迭代，下一代更新信息量时，这些解所对应的 路径上的信息元素量则因为经过的解比较多而获得增加的机会比较大，这样最终迭代结果 是蚂蚁选择了各个约束条件满足程度都相对较高的路径中成本较低的路径。该算法的特点是，对于满足约束条件的路径点，比较其目标函数的大小，从中选择 小者，并把该点作为一次迭代的结果。然后在求出的点附近将分点加密，再打路径点，并重 复前述计算与比较，直到路径点的间距小于预先给定的精度，终止迭代。普通的蚁群算法只 利用了最小值这一点的信息，而该算法则利用了每一点的信息，通过更新方程表现出来，使 目标函数值小的空间点，其吸引强度大。因而其算法的效率比网格法的效率高。该算法提 出了一种新的思路，把连续空间进行离散化，分成若干空间网格点，采用蚁群算法找出信息 量大的空间网格点，缩小变量范围，在此点附近进行人工蚁群移动，直到网格的间距小于预 先给定的精度。此方法简单直观。另外本发明根据不同节点上仿真模型的特点、仿真应用任务量的大小、采用面向 角色模型方式，将一个仿真应用分解为一组存在数据输入输出关系的计算子任务并形成相 应的仿真作业资源组。并生成作业资源的配比权重，采用树状层次角色图表示一个仿真网 格应用中各个任务之间的数据相关性，通过多路径混合蚁群智能调度方法匹配就绪子任务 和可用的资源服务组，将选定的子任务调度到选定的资源服务组中，考虑了一个子任务只 能在特定的一些资源服务组上执行的情况，实现仿真高性能计算作业的高效调度。本发明方法包括如下步骤(1)确定仿真作业中的就绪资源组通常仿真计算应用任务可以分解成多个子任务，针对广域网的特点，仿真网格系 统通常适用于子任务之间通信量较小的仿真计算应用。在这些子任务之间存在一定的模型 数据相关性，其中输入输出相关情况较多，获取建立仿真网格计算环境下任务调度问题的 形式化定义。记加权有向无回路图G(T，Ε，μ ,入)，其中顶点集1={0，1，1^，11}如
图1所 示表示一个仿真计算任务过程包含的任务的集合，0为起始任务，η为结束任务，有向边集E=Ieij :i,j e τ ;i — j}表示任务间执行的顺序限制，即反映了任务之间的相互依赖关系， 并且有￡:c=rXr ； λ u表示任务i完成后需传输到任务j的数据量，称i为j的前驱任务， j为i的后继任务。记Q= (Qi :i = l，2，L，q}为资源类型集，资源类型可以是仿真网格环境中不同的 计算机类型、不同功能的仿真设备类型。记R= {Rt :i = 1,2, L, r}为资源集，每个资源有且仅有唯一的资源类型，即 v/ ,· ,存在惟一的Qk e Q与之对应。一个任务可能有多种执行方式，不同的执行方式选 择不同类型的资源，并且在不同资源上的执行时间也可能不同。任务的执行时间μ ik，表示任务在资源类型为Qk的某一资源上的预计执行时间。 记表示任务i在资源类型为Qk的某一资源上执行。EP= (Pi :i = l，2，L，p}为仿真网格中不同地理位置的战术节点，而每个资源就 处于某个地理位置节点上，即”代,存在唯一的Pm e ρ与之对应。记/<8 尸 表示任务i在 Pm处执行。idB = {Bmn :Pm, Pn e P}为不同节点间的传输带宽。记D = {Dmn :Pm，Pn e P}为不 同节点间的传输延迟。当m = η时，Bmn = 0，Dnm = 0。记 ；为在资源艮e R上执行的所有任务的集合。记瓦c7;X7；为在资源Rr e R 上执行的所有任务的约束条件集合。若Pm，Pn e p,i<S>Pm，j P ，则从任务i到任务j的数据传输时间为
「 ^jp，^ 3Er，(i,j)eEr
权利要求
一种应用与仿真网格系统的生物智能调度方法，通过运用蚁群算法的思想，并在基本蚁群算法的基础上进行改进，其特征在于根据不同节点上仿真模型的特点、仿真应用任务量的大小、采用面向角色模型方式，将一个仿真应用分解为一组存在数据输入输出关系的计算子任务并形成相应的仿真作业资源组；并生成任务资源的配比权重，采用树状层次角色图表示一个仿真网格应用中各个任务之间的数据相关性，通过多路径混合蚁群智能调度方法使得选定的子任务调度路径消耗量最低，实现仿真高性能计算作业的高效调度。
2.根据权利要求1所述的一种应用与仿真网格系统的生物智能调度方法，其特征在 于其步骤如下(1)将仿真计算应用任务根据任务所需要的资源量和任务的执行序列，生成仿真网格 中的就绪资源组；(2)通过仿真网格中的就绪资源组和资源的状态和相关属性；结合资源对象的权限向 量生成任务资源配比矩阵，形成任务资源的配比方程，生成任务资源的配比权重；(3)根据任务资源的配比权重，将任务资源的调度配比路径选择过程分为三个级，通过 蚁群迭代，在第一级阶段使性能较好的路径上信息元素的量相对多也较集中，而信息量浓 度较低较差的路径将淘汰，在第二级阶段；当蚂蚁搜索到接近收敛时，各条较优的路径上的 信息量以绝对优势超过其它路径，蚂蚁搜索过程的继续迭代加大该优势并趋于收敛形成第 三级阶段；这样最终迭代结果是任务调度过程选择了各个约束条件满足程度都相对较高的 路径中成本较低的路径。
3.根据权利要求1所述的一种应用与仿真网格系统的生物智能调度方法，其特征在 于所述的仿真作业资源就绪组生成方法，其工作原理是通过选取执行最小时间损耗的任 务来确定任务的执行序列，根据任务所需要的资源量和任务的执行序列，生成仿真网格中 的就绪资源组。
4.根据权利要求1所述的一种应用与仿真网格系统的生物智能调度方法，其特征在 于所述的任务资源的配比权重生成方法，其工作原理是根据的资源对象状态，利用角色对 资源对象操作的约束条件(即判断规则)来判断角色是否可对资源执行操作算子，进而生 成资源的配比权重。
5.根据权利要求1所述的一种应用与仿真网格系统的生物智能调度方法，其特征在 于所述多路径混合蚁群智能调度方法，其原理是通过路径更新，信息元素更新和信息元 素丢失率剔除，使得作业选择了各个约束条件满足程度都相对较高的路径中成本较低的路 径；使得选定的子任务调度路径消耗量最低。
全文摘要
一种应用与仿真网格系统的生物智能调度方法，根据不同节点上仿真模型的特点、仿真应用任务量的大小、采用面向角色模型方式，将一个仿真应用分解为一组存在数据输入输出关系的计算子任务并形成相应的仿真作业资源组；并生成任务资源的配比权重，采用树状层次角色图表示一个仿真网格应用中各个任务之间的数据相关性，通过多路径混合蚁群智能调度方法使得选定的子任务调度路径消耗量最低，实现仿真高性能计算作业的高效调度。其优点是保证仿真应用资源大部分时间处于适量负载的工作状态，从而为资源拥有者带来更多的经济利益；保证仿真任务能在尽量短的时间内完成，但又不致于花费太多的计算费用。
文档编号G06N3/00GK101944157SQ201010259070
公开日2011年1月12日 申请日期2010年8月19日 优先权日2010年8月19日
发明者余昀, 冯天昊, 吴沉寒, 岳增坤, 熊志强, 罗勤, 罗玉臣, 胡斌, 赵文婷, 陈炜 申请人:中国船舶重工集团公司第七○九研究所