基于SVM 機(jī)器學(xué)習(xí)的仿真網(wǎng)格資源調(diào)度模型

徐曉明

(1.南京大學(xué) 商學(xué)院，江蘇 南京210008;2.江蘇省機(jī)關(guān)事務(wù)管理局 住房資金管理中心，江蘇 南京210008)

高層體系結(jié)構(gòu)(high level architecture，HLA)專注于仿真應(yīng)用層的交互和重用，但缺乏對底層模型和資源的規(guī)范。管理資源機(jī)制的缺失使仿真應(yīng)用在資源共享和協(xié)同方面存在局限性，特別是在資源出現(xiàn)故障或負(fù)載失衡的情況下會使整個仿真系統(tǒng)癱瘓。網(wǎng)格的資源動態(tài)共享、協(xié)同工作和開放的標(biāo)準(zhǔn)為仿真資源的使用和管理帶來了新思維(如應(yīng)用運(yùn)行、容錯、資源管理、資源發(fā)現(xiàn)和使用、仿真監(jiān)控等)。歐洲的CrossGrid 項目首先將網(wǎng)格技術(shù)與仿真結(jié)合［1］，提出利用網(wǎng)格服務(wù)構(gòu)建基于HLA 的仿真應(yīng)用。美國的NEES 將測試設(shè)施、數(shù)據(jù)、計算資源和用戶連接起來，實現(xiàn)仿真儀器和設(shè)備的共享。文獻(xiàn)［2］提出基于網(wǎng)格的分布式仿真框架。文獻(xiàn)［3］基于HLA 和OGSA 提出了新的仿真網(wǎng)格框架。國內(nèi)航天二院、清華大學(xué)和北京航空航天大學(xué)進(jìn)行了仿真網(wǎng)格關(guān)鍵技術(shù)研究，如文獻(xiàn)［4］提出了仿真網(wǎng)格概念和體系結(jié)構(gòu)，并基于航天重大型號研制中的迫切需求進(jìn)行了基于網(wǎng)格的仿真應(yīng)用開發(fā)和研究，部署和構(gòu)造了多學(xué)科虛擬樣機(jī)協(xié)同仿真和大規(guī)模體系攻防對抗協(xié)同仿真應(yīng)用。國防科技大學(xué)在基于網(wǎng)格的仿真框架、基于網(wǎng)格的仿真任務(wù)管理和調(diào)度、應(yīng)用開發(fā)等方面也進(jìn)行了深入的研究［5－6］。

從國內(nèi)外研究可知，仿真網(wǎng)格作為專用網(wǎng)格的相關(guān)關(guān)鍵技術(shù)，包括仿真資源管理和調(diào)度研究，已取得一些成果［7］，但從機(jī)器學(xué)習(xí)的角度對仿真網(wǎng)格資源進(jìn)行調(diào)度的研究尚不多見。筆者用擴(kuò)展的WSDL 描述仿真網(wǎng)格資源特有的屬性，建立集中－分布式仿真資源管理模型，在分析分布交互仿真任務(wù)特定需求的基礎(chǔ)上，提出了一種基于機(jī)器學(xué)習(xí)的仿真資源調(diào)度模型，并對其中的關(guān)鍵部分進(jìn)行了詳細(xì)的闡述。

1 網(wǎng)格資源調(diào)度相關(guān)工作

1.1 網(wǎng)格資源管理模型

網(wǎng)格資源管理模型是網(wǎng)格資源調(diào)度的基礎(chǔ)。目前網(wǎng)格資源管理模型最具代表性的有層次模型和市場/經(jīng)濟(jì)模型［8］。層次模型是將資源管理系統(tǒng)分成若干功能層，較高層次的服務(wù)利用較低層次服務(wù)提供的功能。層次模型又分為集中式結(jié)構(gòu)、分布式結(jié)構(gòu)和混合式結(jié)構(gòu)。集中式結(jié)構(gòu)中資源由全局管理器統(tǒng)一管理;分布式結(jié)構(gòu)由對等的管理器獨(dú)立管理，管理器之間可進(jìn)行相互作用;混合式結(jié)構(gòu)綜合了上述兩者，在管理域內(nèi)由一個管理器管理，而在總體上則由全局管理器管理各個管理器。市場/經(jīng)濟(jì)模型是根據(jù)市場上的經(jīng)濟(jì)原則協(xié)調(diào)資源的管理、發(fā)現(xiàn)和交易，該模型是在層次模型的基礎(chǔ)上發(fā)展起來的，其目標(biāo)是建立一個理想的資源提供和使用的機(jī)制，從而使資源的使用率最大化，為構(gòu)建可持續(xù)發(fā)展的網(wǎng)格計算環(huán)境提供了一種有意義的思路。

在上述兩種管理模型的基礎(chǔ)上，國內(nèi)外學(xué)者又提出了一些具有參考意義的資源管理模型。如由客戶和抽象所有者組成的抽象所有者模型，文獻(xiàn)［9］中提出了一種兼顧內(nèi)部結(jié)構(gòu)和對外接口的通用網(wǎng)格資源管理系統(tǒng)抽象模型。在行業(yè)網(wǎng)格的研究中也提出了一些具有領(lǐng)域特征的網(wǎng)格資源管理模型，如文獻(xiàn)［10］針對制造網(wǎng)格中資源的異構(gòu)性、分布性以及用戶提交加工產(chǎn)品的復(fù)雜性、多樣性提出了制造網(wǎng)格資源管理模型。

1.2 網(wǎng)格資源調(diào)度模型和算法

資源調(diào)度是根據(jù)任務(wù)和資源的特性采用不同的算法將任務(wù)映射到相應(yīng)的資源上的執(zhí)行過程。傳統(tǒng)的資源調(diào)度方法大多使用最優(yōu)化理論集中求解資源調(diào)度問題，而市場/經(jīng)濟(jì)模型應(yīng)用經(jīng)濟(jì)學(xué)原理進(jìn)行網(wǎng)格資源調(diào)度，該模型主要由3 個部分組成:用戶資源請求代理利用中間件服務(wù)連接用戶和網(wǎng)格資源，完成作業(yè)控制代理、作業(yè)調(diào)度、網(wǎng)格信息瀏覽、貿(mào)易管理和分配代理;市場中間件完成資源的分配和管理、認(rèn)證和安全服務(wù)、網(wǎng)格信息服務(wù)與交易模板等功能;域資源管理完成包括資源管理和貿(mào)易服務(wù)。在此基礎(chǔ)上國內(nèi)外學(xué)者提出了基于代理的調(diào)度、效用驅(qū)動的調(diào)度和基于QoS 的調(diào)度等模型［11］。

目前的網(wǎng)格調(diào)度算法主要是基于圖論、啟發(fā)式、整數(shù)規(guī)劃等方法的調(diào)度，如先來先服務(wù)(first come first serve，F(xiàn)CFS)、直接用戶分配(user－directed assignment，UDA)、機(jī)會負(fù)載均衡(opportunistic load balancing，OLB)、Min－min 、Max－min、貪心(Greedy)和快速貪心(Fast Greedy)算法等類多項式算法［12］。另外MARTINO［13］、SONG［14］和林劍檸等［15］采用遺傳算法來求解網(wǎng)格計算任務(wù)調(diào)度問題;XU 等［16］提出了基于蟻群算法的網(wǎng)格任務(wù)調(diào)度問題求解;季一木等提出的基于粒子群的網(wǎng)格任務(wù)調(diào)度算法［17］都取得了較好的效果。WANG 等提出了一種通用的網(wǎng)格任務(wù)調(diào)度算法基本上綜合了以上大部分算法［18］。

以上調(diào)度模型和方法均根據(jù)不同啟發(fā)信息或約束條件在可用資源范圍內(nèi)查找最佳資源，但這些人為設(shè)計的啟發(fā)信息或約束條件具有一些局限性，資源查找可能陷入局部最優(yōu)，導(dǎo)致算法失效或性能不穩(wěn);這些算法在處理大樣本時，沒有考慮資源的局部特性和應(yīng)用領(lǐng)域特性的區(qū)分度，調(diào)度性能受到影響，不適合仿真任務(wù)的要求;這些方法著重考慮了網(wǎng)格資源的有效分配，但沒有考慮分布交互仿真任務(wù)之間的協(xié)同和時間約束下的強(qiáng)交互性;它們都不具備自學(xué)習(xí)能力，每次執(zhí)行調(diào)度都要處理所有資源，并不能充分利用以前的調(diào)度經(jīng)驗進(jìn)行智能化調(diào)度，而一些智能的/具有學(xué)習(xí)能力的調(diào)度模型和算法主要著眼于Agent 之間的學(xué)習(xí)，并不具有自學(xué)習(xí)能力。當(dāng)前具有自學(xué)習(xí)能力的資源調(diào)度模型和算法尚不多見，查新結(jié)論和權(quán)威搜索引擎還沒有發(fā)現(xiàn)這方面的文獻(xiàn)。

2 仿真網(wǎng)格資源管理系統(tǒng)

2.1 仿真網(wǎng)格資源及其描述

由于仿真資源的復(fù)雜性和多樣性，仿真資源包括從仿真中間件、仿真模型、仿真工具、仿真數(shù)據(jù)、仿真應(yīng)用、仿真運(yùn)行控制、仿真評估、仿真儀器到仿真人力資源在內(nèi)的各種軟件資源和硬件資源。不同類型的仿真資源之間存在很大的差異，具有不同的屬性信息，包括靜態(tài)信息和動態(tài)信息。靜態(tài)信息表示資源的功能、結(jié)構(gòu)特征及其他固有信息，而動態(tài)信息是實時變化的，如資源的工作狀態(tài)、可靠性、交互性等。

為了支持采用支持向量機(jī)進(jìn)行資源的分類，使調(diào)度算法具有學(xué)習(xí)能力，筆者為仿真網(wǎng)格資源描述定義了統(tǒng)一的可擴(kuò)展的Schema，用以描述仿真網(wǎng)格資源的特征。仿真資源的靜態(tài)信息包括資源標(biāo)識、資源類型、功能描述、參數(shù)列表、使用約束、應(yīng)用領(lǐng)域、版權(quán)信息、操作系統(tǒng)類型和版本、CPU 類型和數(shù)量、CPU 頻率、內(nèi)存容量、磁盤容量、網(wǎng)絡(luò)帶寬、需要的節(jié)點(diǎn)體系結(jié)構(gòu)、最小計算性能、最低網(wǎng)絡(luò)帶寬、需要的仿真聯(lián)邦成員類型和數(shù)量、期望的開始時間/期望的結(jié)束時間、仿真任務(wù)的優(yōu)先級、時間限制、需要的物理內(nèi)存等;仿真資源的動態(tài)信息包括網(wǎng)絡(luò)實時帶寬、負(fù)載、資源狀態(tài)標(biāo)記、服務(wù)質(zhì)量和當(dāng)前等待任務(wù)信息等。

分布交互仿真只有在所有節(jié)點(diǎn)的計算任務(wù)和通信任務(wù)都完成后，一個仿真步長的任務(wù)才結(jié)束。因此必須同時占用所有資源，且資源之間必須沒有沖突。同時占有大量資源在松散管理的網(wǎng)格環(huán)境中會面臨巨大挑戰(zhàn)，一個有效的方法是進(jìn)行資源預(yù)留，因此在仿真資源的描述中要求明確描述資源狀態(tài)，資源狀態(tài)有占用、可用、預(yù)留和實效4種，其遷移關(guān)系如圖1 所示。

該Schema 可以根據(jù)不同的需求進(jìn)行裁剪，同時根據(jù)不同類別的資源描述需求，還可以增加擴(kuò)展信息以描述這些資源特有的屬性。擴(kuò)展信息由各類資源提供者自行定義，自由分類時也可作為分類依據(jù)的組成部分。

圖1 仿真網(wǎng)格資源狀態(tài)變遷圖

2.2 網(wǎng)格資源管理模型

當(dāng)前的網(wǎng)格資源管理系統(tǒng)各有優(yōu)缺點(diǎn):集中式的資源管理有利于維護(hù)最新的資源信息，實現(xiàn)全局最優(yōu)的資源調(diào)度決策，但其可靠性低，集中管理節(jié)點(diǎn)會成為瓶頸;分布式資源管理的可擴(kuò)展性和容錯性較好，但資源管理節(jié)點(diǎn)間的協(xié)同需求不能很好地適應(yīng)分布交互仿真的協(xié)同和交互要求;而集中－分布式資源管理具有以上兩者的優(yōu)點(diǎn)。作為專業(yè)網(wǎng)格的仿真網(wǎng)格，筆者采用了集中－分布式的資源管理模型，以便在支持本地管理策略的同時又便于進(jìn)行全局調(diào)度，即域內(nèi)采用集中式組織，域間采用分布式組織，這樣可使管理域關(guān)系對等，即使某些管理域出現(xiàn)故障也不妨礙資源調(diào)度的進(jìn)行。這種方式更適合分布交互仿真的要求，分布的資源管理域使用戶總能在通信能力范圍內(nèi)找到一個或多個有資源調(diào)度能力的資源管理節(jié)點(diǎn)。

3 仿真網(wǎng)格資源調(diào)度模型

3.1 分布交互仿真調(diào)度分析

分布交互仿真的運(yùn)行模式和通信模式等內(nèi)在特點(diǎn)決定了仿真網(wǎng)格的資源調(diào)度屬于一種特殊的形式，與其他網(wǎng)格調(diào)度系統(tǒng)相比具有以下特性:

(1)資源協(xié)同分配?；贖LA 的仿真系統(tǒng)是分布式的，需要同時占用所有資源才能運(yùn)行，只有所有節(jié)點(diǎn)的計算任務(wù)和通信任務(wù)完成后時序才能推進(jìn)，其中任何一個資源性能下降或故障都會使整個系統(tǒng)運(yùn)行受阻，因此在資源調(diào)度時必須采用良好的協(xié)同分配策略，而基于資源狀態(tài)信息的資源預(yù)留是其中一個重要組成部分;

(2)調(diào)度目標(biāo)是全局優(yōu)化。一個循環(huán)的仿真任務(wù)包括數(shù)據(jù)接收、任務(wù)計算和數(shù)據(jù)分發(fā)3 個過程，這3 個過程是在仿真時間步長的嚴(yán)格限制下進(jìn)行的。其中任何一個節(jié)點(diǎn)的延遲都會影響整個系統(tǒng)的延遲，因此整個仿真系統(tǒng)的計算和通信時間取決于時間開銷最長的節(jié)點(diǎn)。其調(diào)度目標(biāo)不是單個或部分成員時間最優(yōu)，而是整個聯(lián)邦時間最優(yōu)，且聯(lián)邦時間只要小于仿真推進(jìn)步長的時間即可。因此調(diào)度的目的是盡量使所有節(jié)點(diǎn)的數(shù)據(jù)接收時間、計算時間和數(shù)據(jù)分發(fā)時間之和小于仿真時間推進(jìn)步長或在非固定時間步長的情況下使整個聯(lián)邦的時間步長最小;

(3)仿真成員間的通信需求。在仿真資源調(diào)度中，不僅要考慮計算任務(wù)的需求，還要滿足通信需求。HLA 仿真與傳統(tǒng)的分布式計算和網(wǎng)格計算中的通信機(jī)制有本質(zhì)的區(qū)別，對網(wǎng)絡(luò)通信具有較高的要求。在一般的分布式計算中，通信是根據(jù)特定應(yīng)用設(shè)計的，只適用于一個或一類應(yīng)用;而分布交互仿真符合HLA 的中間件HLA，具有自己的通信和交互機(jī)制。因此調(diào)度時需要特別重視RTI 自由及其通信性能;

(4)容錯和任務(wù)遷移。如上所述，仿真中單點(diǎn)故障會影響系統(tǒng)性能，甚至導(dǎo)致整個系統(tǒng)運(yùn)行受阻，因此當(dāng)單點(diǎn)性能下降或故障時，必須進(jìn)行快速的遷移;

(5)仿真資源種類和數(shù)量繁多使調(diào)度模型和算法的性能面臨巨大的挑戰(zhàn)。

3.2 基于機(jī)器學(xué)習(xí)的仿真網(wǎng)格資源調(diào)度模型

根據(jù)以上介紹的仿真資源描述及管理模型，基于機(jī)器學(xué)習(xí)算法提出了仿真網(wǎng)格資源調(diào)度模型，如圖2 所示。對應(yīng)于集中－分布式的資源管理模型，調(diào)度模型也是集中分布式的。其中每個資源管理域的管理節(jié)點(diǎn)具有調(diào)度能力，稱為調(diào)度代理;整個仿真網(wǎng)格中有一個全局的調(diào)度代理。仿真用戶向全局調(diào)度代理發(fā)出資源請求，由代理完成對請求資源的識別，先在本地資源中尋找匹配的資源，若無匹配資源再向其他管理域中的代理發(fā)出請求。

圖2 仿真網(wǎng)格調(diào)度模型圖

在該調(diào)度模型中資源的查找和匹配過程是基于網(wǎng)格資源自動分類的，即在同類資源中進(jìn)行最佳資源的搜索。筆者采用支持向量機(jī)(SVM)和增量SVM 技術(shù)進(jìn)行資源自動分類:資源管理節(jié)點(diǎn)用域內(nèi)資源信息作為樣本訓(xùn)練SVM 分類決策函數(shù)，為每個資源標(biāo)記類別;由于仿真網(wǎng)格的服務(wù)樣本數(shù)量大，且有較強(qiáng)動態(tài)性，筆者對新增資源采用增量技術(shù)，考慮其對舊決策函數(shù)的影響，更新決策函數(shù)和資源標(biāo)記，這樣進(jìn)行的快速學(xué)習(xí)既能節(jié)省存儲空間又能節(jié)省計算時間。對用戶請求的資源確定類標(biāo)記后即可在域內(nèi)同類資源中匹配，避免了在域內(nèi)查找所有資源，提高了調(diào)度的效率。

3.3 具有學(xué)習(xí)能力的仿真網(wǎng)格資源調(diào)度過程

仿真網(wǎng)格資源調(diào)度模型的執(zhí)行過程可用圖3表示。在該模型中所有的可用資源都虛擬化成仿真網(wǎng)格資源(simulation grid resource，SGR)，首先由仿真網(wǎng)格中功能較強(qiáng)大的代理節(jié)點(diǎn)解析SGR進(jìn)行分類訓(xùn)練，當(dāng)有新的網(wǎng)格資源注冊到網(wǎng)格中時執(zhí)行增量訓(xùn)練。遵循相同分類標(biāo)準(zhǔn)的訓(xùn)練結(jié)果可以通過協(xié)同分發(fā)進(jìn)行公布，從而在整個仿真網(wǎng)格系統(tǒng)中共享。當(dāng)用戶有資源調(diào)度需求時，將請求發(fā)送給調(diào)度代理，代理進(jìn)行請求資源的識別和可用資源的識別，利用前期對網(wǎng)格資源分類的結(jié)果進(jìn)行預(yù)計算，找到可用資源。調(diào)度結(jié)果返回請求者后將任務(wù)部署到候選資源上。

圖3 仿真網(wǎng)格資源的調(diào)度過程

3.4 基于SVM 的仿真網(wǎng)格資源分類

基于SVM 的SGR 分類是該調(diào)度模型的基礎(chǔ)，其實質(zhì)是以SGR 為訓(xùn)練樣本，訓(xùn)練出SVM 分類決策函數(shù)，訓(xùn)練過程如下:

(1)SGR 信息收集。符合Schema 的SGR 注冊到信息服務(wù)中后，調(diào)度模塊從信息服務(wù)收集這些資源的信息;

(2)信息格式轉(zhuǎn)換。采用統(tǒng)一Schema 的SGR 描述文件(WSDL 文件)的格式不能用作SVM 樣本，必須首先將WSDL 文件映射為向量。在統(tǒng)一Schema 約束下，將WSDL 轉(zhuǎn)換成多維向量，就可以方便地實現(xiàn)描述文件中各元素到向量各維屬性的映射;

(3)特征提取。直接從WSDL 映射得到的向量樣本包含一些與訓(xùn)練SVM 無關(guān)的信息，為了提高訓(xùn)練效率，必須提取與訓(xùn)練目標(biāo)相關(guān)的特征;

(4)SVM 訓(xùn)練。SVM 訓(xùn)練由資源管理節(jié)點(diǎn)請求，訓(xùn)練得到的分類決策函數(shù)用于資源的分類和查找;

(5)增量SVM 訓(xùn)練。由于仿真網(wǎng)格環(huán)境的動態(tài)性，一次分類是不夠的，但如果每次都用SVM 訓(xùn)練中的方法進(jìn)行重新分類，計算和存儲代價較高，因此采用增量學(xué)習(xí)技術(shù)完成新資源加入后分類器的更新。這就需要對新增樣本單獨(dú)做一次訓(xùn)練得到一個SVM，而整個過程對全部樣本只做一次違背KKT 條件的驗證，判斷支持向量集是否會發(fā)生變化。由于多類問題可以轉(zhuǎn)化為多個二類問題，這里使用以二類問題描述SGR 增量訓(xùn)練算法的思想。

設(shè)原樣本集A，由其訓(xùn)練得到的初始SVM 分類器為Γ0，Γ0的支持向量集為Asυ，B 為新增樣本，增量學(xué)習(xí)算法為:

(1)檢驗B 中是否有樣本違背Γa的KKT 條件，若沒有則算法停止，分類器和支持向量集保持不變;否則根據(jù)檢驗結(jié)果，將B 分為BV和BS。BV為違背Γa的KKT 條件的樣本集合，它們將導(dǎo)致Asυ的改變;BS為滿足Γa的KKT 條件的樣本集合，舍棄;

(2)用B 訓(xùn)練一個SVM 分類Γb，Bsυ表示Γb的支持向量集;

(3)檢驗A 中是否有樣本違背Γb的KKT 條件，若沒有則停止，Γb為增量學(xué)習(xí)結(jié)果，否則A 被分為AV和AS。AV為違背Γb的KKT 條件的樣本集合，將導(dǎo)致Bsυ的改變;AS為滿足Γb的KKT 條件的樣本集合，舍棄;

(4)令U=Asυ∪Bsυ∪BV∪AV，用U 訓(xùn)練得到新的SVM 分類器為增量學(xué)習(xí)結(jié)果。

基于這個訓(xùn)練結(jié)果就可以對網(wǎng)格內(nèi)的資源進(jìn)行分類標(biāo)記并實現(xiàn)高效的調(diào)度。

4 結(jié)論

筆者針對仿真網(wǎng)格資源的特質(zhì)，定義了統(tǒng)一的Schema 描述SGR，采用擴(kuò)展的WSDL 描述仿真網(wǎng)格資源特有的屬性，以利于應(yīng)用機(jī)器學(xué)習(xí)算法進(jìn)行資源調(diào)度;建立了符合仿真任務(wù)調(diào)度特殊需求的集中－分布式仿真資源管理模型。在分析分布交互仿真任務(wù)特有需求的基礎(chǔ)上，提出了一種基于機(jī)器學(xué)習(xí)的仿真資源調(diào)度模型。該模型基于資源描述提取資源的特征量，采用支持向量機(jī)SVM 和增量SVM 技術(shù)對其進(jìn)行分類，調(diào)度代理在分類訓(xùn)練結(jié)果的基礎(chǔ)上進(jìn)行調(diào)度。實驗表明，該調(diào)度模型可以更好地獲得各分布交互仿真成員整體最優(yōu)的調(diào)度結(jié)果。

［1］ BUBAK M，MALAWSKI M，ZAJAC K.Towards the cross grid architecture［R］. Berlin Herdelberg:Arpinger－Verlag，LNCS 2474，2002.

［2］ XIE Y，TEO Y M，CAI W T，et al.Service provisioning for HLA－based distributed simulation on the grid［C］//Proceedings of the Workshop on Principles of Advanced and Distributed Simulation(PADS’05).［S.l.］:［s.n］，2005:1054－1062.

［3］ KATARZYNA R，MARIAN B，MACIEJ M，et al. A framework for HAL－based interactice simulations on the grid［J］. The Society for Modeling and Simulation International，2005，81(1):67－76.

［4］ LI B，CHAI X D，ZHU W H，et al.Supporting environment technology of simulation based acquisition［J］.Journal of System Simulation，2004，16(2):181－185.

［5］ 魏洪濤.基于網(wǎng)格計算的仿真任務(wù)管理與調(diào)度方法研究［D］.長沙:國防科學(xué)技術(shù)大學(xué)圖書館，2005.

［6］ 劉云生.大規(guī)模分布式仿真系統(tǒng)容錯關(guān)鍵技術(shù)研究［D］.長沙:國防科學(xué)技術(shù)大學(xué)圖書館，2006.

［7］ 張傳富.仿真網(wǎng)格資源管理系統(tǒng)關(guān)鍵技術(shù)研究［D］.長沙:國防科學(xué)技術(shù)大學(xué)圖書館，2006.

［8］ BUYYA R. Economic based distributed resource management and scheduling for grid computing［DB/OL］.［2013－02－19］. http://www. buyya. com /thesis/thesis.pdf.

［9］ JIA M F，DONG W Q，GUI X L，et al.Models for grid resource management systems［J］. 微電子學(xué)與計算機(jī)，2003(3):36－40.

［10］LIU L L，YU T，CAO H W，et al.Research on resource management and scheduling system in manufacturing grid［J］.機(jī)械科學(xué)與技術(shù)，2004(10):1230－1233.

［11］LI B F，CHEN Q，GAO C S.The research on resource allocation in computational grid［J］.Computer Applications and Software，2008(1):109－111.

［12］王樹鵬，云曉春，余翔湛. 基于生存性和Makespan的多目標(biāo)任務(wù)調(diào)度算法研究［J］. 通信學(xué)報，2006，27(2):42－49.

［13］ MARTINO D V.Sub optimal scheduling in a grid using genetic algorithms［C］//Parallel and Distributed Processing Symposium.［S.l.］:［s.n.］，2003:22－26.

［14］ SONG S，HWANG K，KWOK Y K. Risk－resilient heuristics and genetic algorithms for security－assured grid job scheduling［C］// Computers，IEEE Trcmsactions.［S.l.］:［s.n.］，2006:703－719.

［15］林劍檸，吳慧中.基于遺傳算法的網(wǎng)格資源調(diào)度算法［J］.計算機(jī)研究與發(fā)展，2004，14(12):2195－2199.

［16］XU Z H，HOU X D，SUN J Z.Ant algorithm－based task scheduling in grid computing［C］//Electrical and Computer Engineering. ［S.l.］:［s.n.］，2003:1107－1110.

［17］季一木，王汝傳.基于粒子群的網(wǎng)格任務(wù)調(diào)度算法研究［J］.通信學(xué)報，2007，28(10):60－66.

［18］WANG T，ZHOU X S，LIU Q R，et al. OD:a general resource scheduling algorithm for computational grid［C］//Computer and Computational Sciences.［S.l.］:［s.n.］，2006:644－647.