改进遗传算法的并行任务调度

并行任务调度是一个NP完全问题,它关注资源的分配和并行任务调度,要求具有高性能的调度算法,且能求解出高质量的解。提出了一种基于改进遗传算法的并行任务调度算法,在算法初始化种群产生时引入任务向量矩阵来表示任务、资源以及调度的关系,并采用启发式方法得到初始化种群,提高种群质量;采用规则约束的交叉和变异操作,提高个体的质量;提出了加速进化策略,有效地避免了早熟。仿真实验结果表明,该改进算法能更有效地求解并行任务调度问题。

Hadoop中任务调度算法的改进

针对Hadoop0.20.0中任务调度算法存在的不足,提出一种基于改进遗传算法(IGA)的任务调度算法。IGA算法对初始化种群、交叉和变异操作进行了一些改进,并引入了最优保留策略和加速进化策略。通过仿真实验将此算法与Hadoop现有算法进行比较,实验结果表明,此算法优于Hadoop现有算法,是一种有效的任务调度算法。