如何將網(wǎng)格這個復雜環(huán)境中的計算資源進行有效調(diào)度，是一個NP問題。遺傳算法被
證明是解決這類問題的有效算法，同時遺傳算法有“早熟”和慢速收斂等缺點。為了克服其缺點，提出一種新的并行遺傳算法，采取避免近親繁殖的交叉策略和保護優(yōu)秀個體的方法，提高算法搜索能力和收斂速度。仿真結果表明該算法能有效地解決網(wǎng)格計算資源分配問題。
關鍵詞：網(wǎng)格資源調(diào)度遺傳算法
網(wǎng)格是構筑在互聯(lián)網(wǎng)上的一組新興技術，它把整個互聯(lián)網(wǎng)整合成一臺巨大的超級計算
機，實現(xiàn)資源的全面共享。如何對寶貴的網(wǎng)格計算資源進行合理分配和管理，滿足各種應用的不同服務質量(QoS)需求，提高計算資源利用率，已成為網(wǎng)格研究中的一個重要課題。遺傳算法GA(Genetic Algorithm)是模仿自然選擇、物種進化和群體遺傳學而建立的一種隨機搜索技術，它特別適合用來求解組合優(yōu)化問題的近優(yōu)解。并行遺傳算法將網(wǎng)格計算資源的高速并行性和遺傳算法天然的并行性相結合，大大地促進了遺傳算法的研究與應用。并行處理的引入不但加速了遺傳算法的搜索過程；而且由于種群規(guī)模的擴大和各子種群的隔離，使種群的多樣性得以豐富和保持，減少了未成熟收斂的可能性，大大提高了求解質量。PGA 有三種模型：全局并行模型、粗粒度模型、細粒度模型。其中粗粒度并行遺傳算法(Coarse—Grain Genetic Algorithm，CGGA)是適應性最強和應用最廣的并行遺傳算法。G1obus 項目是目前國際上最有影響的網(wǎng)格項目之一，本文根據(jù)G1obus 的特點來設計算法。最后，進行了仿真實驗，結果表明本文的算法與單一的粗粒度并行遺傳算法相比，性能上有很大提高，能夠更好地解決網(wǎng)格計算資源調(diào)度問題。