蚂蚁算法在数据网格副本选择中的应用研究

数据网格中由于采用复制备份策略,文件存在多个副本.用户访问文件时,如何从拥有相同文件的多个结点中选择某一结点获取文件,达到以相同的代价获得最优质的服务,是一个迫切需要研究的问题.深入研究了蚂蚁算法的原理,分析了影响副本选择性能的主要因素,利用这些参考因素设计了基于蚂蚁算法的副本选择策略;并对这个新算法进行了分析和实现.经仿真平台实验,表明该算法可有效地减少数据访问延迟及带宽消耗,实现网格中存储节点间的负载平衡,提高数据的访问速度.     

基于遗传算法的副本管理策略

在数据网格环境中,为了提高数据的可靠性和降低用户对数据访问的延迟,广泛采用了数据复制技术;由于副本技术的引入,就会面临一个很直接的问题,即一个应用程序如何根据副本性能和访问特性,从一组副本中选择一个最佳副本,就是副本选择问题.针对数据复制技术中的关键技术:副本创建和副本选择,在价格机制模型和并行数据传输的基础上,采用了遗传算法实现副本的优化管理.最后使用网格模拟器OptorSim对算法进行测试分析,结果显示基于遗传算法的策略有更好的性能.     

一种数据网格副本管理仿真软件

副本管理成为影响数据网格性能的主要因素之一,研究高效的副本管理算法大都依赖于对数据网格副本管理进行仿真.介绍了一种数据网格副本管理仿真软件的设计与实现,并详细介绍了数据网格仿真的一些关键技术的解决方案,如任务调度、任务执行仿真.     

网格环境下的混杂副本管理拓扑结构

在网格中,数据常常由于性能和可用性等原因进行复制.如何有效地管理网格环境中的各副本是网格系统中需要解决的重要问题.提出了一种可扩展及动态自适应的副本管理拓扑结构——混杂网格副本管理拓扑结构（HGRMT）.HGRMT将传统树状的网格逻辑结构中的各节点,在不同层次上又连接成环状,并在此基础上提出了层间与组内不同的副本创建算法.实验表明,HGRMT有较好的可扩展性、可靠性和自适应性.     

采用动态投票机制的数据网格副本一致性维护

针对网格动态性引起副本数据一致性维护困难的问题,根据网格的动态特性建立了网格系统模型和副本一致性维护模型;提出了适用于低在线率情况的动态投票机制,并在此基础上给出了一种副本数据一致性维护算法,从全局有序性和读一致性等方面证明了该算法的正确性.最后通过模拟实验对副本数取值及可扩展性等方面进行分析,探讨了网格动态性对数据一致性维护的影响.     

基于模拟退火算法的数据网格副本部署策略

副本管理是提高网格性能、降低客户端延迟的有效手段。针对副本部署策略问题,提出基于模拟退火算法的副本部署策略,给出优化模型及算法。OptorSim的仿真结果表明,该策略可减少作业对文件请求的响应时间,提高系统的整体性能。目前该策略已在大庆油田海量数据中心副本部署中得到成功应用。     

数据网格环境下副本淘汰策略的研究

为了在数据网格环境中不增加副本存储空间的条件下,能够很好地进行数据副本的淘汰,提出了一种改进副本淘汰算法.该算法利用权重函数兼顾访问时间和访问频率,在考虑副本传输代价的因素上引入动态调整因子μ,根据实际情况动态的调整副本传榆代价所占的比例.仿真实验结果表明,该算法在副本尺寸差异较大的情况下,可以大大减少副本淘汰误差,提高了网格结点的作业平均执行时间和网络有效利用率.     

数据网格中一种均衡性能的副本一致性算法

通过比较和分析数据网格环境下aggressive-copy和lazy-copy两个副本一致性协议,针对两个协议的不足,在扩展副本一致性框架的基础上提出了一种新的副本一致性lazy_agg-copy算法。该算法在多层框架下随机选择部分副本进行一致性更新,可以弥补已有两种算法的缺点。将lazy_agg-copy算法和已有两种在网格模拟软件OptorSim下进行了模拟。模拟结果表明,lazy_agg-copy算法在实时性、网络负载和带宽消耗方面都能取得更好的均衡,可以达到更优的整体效果。     

教育资源网格的副本定位策略研究

副本定位是数据网格副本机制的关键问题.针对教育资源网格环境,引入了内容寻址网络CAN技术,提出了DC-CAN副本定位策略.介绍了DC-CAN策略中静态连续簇域分配和动态连续簇域分配两种算法,该算法使教育资源网格物理网络结构与逻辑结构保持同构,有效降低了寻路延迟,同时维护了负载均衡.仿真实验结果表明了DC-CAN寻路性能的提升.     

数据网格下副本一致性问题的研究

分析了目前数据网格环境下的副本一致性研究现状,并提出了一种基于优先级与时间戳的副本一致性模型（RCPTM,Replica Consistency based Priority and Timestamp Model）及算法,并在模拟环境OptorSim下与其他两种传统的算法进行比较。通过实验模拟表明,本文的模型算法要明显的比传统算法更适合于网格环境中保持副本的一致性。     

栅格图特征提取下的路径规划建模与应用

在静态环境下的自动导引车辆（Automated Guided Vehicle,AGV）路径规划问题中,由于规划的路径节点过多,导致车辆的运行效率降低,损耗增加。为此,提出了一种新的栅格建模方法来模拟车辆运行环境,利用蚁群算法对新的栅格环境进行路径规划,对蚁群算法的收敛性进行证明。从栅格图中提取出障碍物的顶点作为新的备选点来规划路径,减少了蚁群算法中要搜索的节点数目。结果表明,新的栅格法建模可以应用于蚁群算法的路径规划中,并提高算法的收敛速度,减少AGV方向变化的次数,在综合性能上优于传统栅格建模方法。     

三维海底栅格地形在潜器路径规划中的应用

针对海底三维环境空间中的水下潜器路径规划问题,提出了一种采用蚁群算法在海底三维栅格空间中的潜器路径规划方法。对从海图中提取的水深数据建立三角网,经过随机中点位移插值后利用三角网内插生成规格网格数据,进而提出了海底地形栅格化处理方法,建立海底三维栅格化模型。对蚁群算法（ACO）进行了改进,定义了粒子的可视域。利用改进的蚁群算法在海底栅格空间中迭代求取最优路径。实验仿真得到了一条安全、简洁的路径,验证了该方法的有效性和可行性。     

无人机群目标搜索的主动感知方法

为提升蚁群搜索算法在规模大的栅格环境中对未知目标的搜索效率,提出基于蚁群算法的主动感知搜索框架。该框架通过应用历史环境信息来选择无人机的运动方式,并由无人机运动方式和感知域信息得到新的环境信息,从而实现无人机群的智能自动化搜索功能。新方法计算出一种具有探索偏好的未搜索概率,可使无人机搜索时偏向未搜索程度高的栅格,以此来提高算法的搜索能力。同时,以未搜索概率和信息素作为运动方式决策的依据来建立一种新的运动方式选择机制。该机制不仅考虑了目标可能出现的区域,又可兼顾未知区域,从而可实现无目标先验信息条件下的搜索过程。仿真结果表明,此算法在规模大的栅格环境中,与现有算法相比具有更高的搜索效率,并且得到的目标分布信息将更加全面。     

面向智能信息素释放的网格GIS资源查找算法

针对基本蚁群算法中蚂蚁速度无限且信息素同步更新的情况,该文提出了基于智能蚁群信息素释放的资源查找算法。该算法以蚂蚁的速度有限为前提,采用面向信息素更新规则来调整各个蚂蚁的信息素浓度,从而间接地改变蚂蚁间合作方式。根据实际蚁群的寻路过程,该算法具有较好的全局搜索能力,对于查找初始化数据量庞大的网格GIS资源有着高于基本蚁群算法和其他资源搜索算法的效率。     

一种基于蚁群算法的任务调度方法

任务调度是一个NP-hard问题,而且是并行与分布式计算中一个必不可少的组成部分,特别是在网格计算环境中任务调度更加复杂。文中结合蚁群算法的优点,提出了一种基于蚁群算法的任务调度方法,将算法应用于网格计算任务调度问题的求解之中。最后,实验结果这种算法优于普通算法。     

PDDRA: A new pre-fetching based dynamic data replication algorithm in data grids

In recent years, grid technology has had such a fast growth that it has been used in many scientific experiments and research centers. A large number of storage elements and computational resources are combined to generate a grid which gives us shared access to extra computing power. In particular, data grid deals with data intensive applications and provides intensive resources across widely distributed communities. Data replication is an efficient way for distributing replicas among the data grids, making it possible to access similar data in different locations of the data grid. Replication reduces data access time and improves the performance of the system. In this paper, we propose a new dynamic data replication algorithm named PDDRA that optimizes the traditional algorithms. Our proposed algorithm is based on an assumption: members in a VO (Virtual Organization) have similar interests in files. Based on this assumption and also file access history, PDDRA predicts future needs of grid sites and pre-fetches a sequence of files to the requester grid site, so the next time that this site needs a file, it will be locally available. This will considerably reduce access latency, response time and bandwidth consumption. PDDRA consists of three phases: storing file access patterns, requesting a file and performing replication and pre-fetching and replacement. The algorithm was tested using a grid simulator, OptorSim developed by European Data Grid projects. The simulation results show that our proposed algorithm has better performance in comparison with other algorithms in terms of job execution time, effective network usage, total number of replications, hit ratio and percentage of storage filled.     

基于蚁群优化算法的服务网格的作业调度

提出了利用蚁群算法来优化服务网格的作业调度系统的方法和一个两层的作业调度模型，该模型可以在网格的动态和异构环境下实现对作业执行时间的预测，然后根据作业的预测执行时间并利用蚁群优化算法使适应函数取得最小值，从而得到最优化的作业调度。基于开发的校园网格实验床，通过实验显示该方法可以优化服务网格的性能，减少作业的平均执行时问，提高系统的吞吐率。     

基于思维进化计算和蚂蚁算法的网格资源分配

网格环境中的资源调度是网格技术的核心问题之一,启发式方法在解决复杂困难的系统优化问题方面具有优越性,成为最通用的解决方案。将思维进化计算和蚂蚁算法2种新型的启发式优化算法融合,利用思维进化计算的快速寻优能力产生信息素的初始分布,再利用蚂蚁算法的正反馈机制求得最终优化解,并将该融合算法用于网格资源的动态分配研究。实验验证了该分配方案的有效性。     

基于蚂蚁算法的网格资源发现模型

提出了基于蚂蚁算法的网格资源发现模型（AA_GRRM）,目的是利用蚂蚁算法作为资源发现的策略来实现网格资源的次优解。引入蚂蚁算法到网格资源发现领域,改进了传统的蚂蚁算法的信息素初始化和更新,提高了网格资源发现的准确率和效率,并设计了基于蚂蚁算法的网格资源发现总体结构,最后通过Matlab进行验证。     

一种基于改进蚁群算法的网格任务调度算法

在网格计算中,任务调度是影响系统性能和服务质量的重要问题。文章在考虑截止时间和花费两项用户QoS需求的基础上,提出了一种基于蚁群算法的网格任务调度算法。该算法先采用GC（Greedy Cost-Time Distribution）算法求解,将所得解转化为蚁群算法的初始信息素分布,然后利用蚁群算法获得调度解。模拟实验结果表明：在网格环境下,该调度算法具有明显的优势。