基于PaRSEC的并行计算工作流调度算法研究的任务书.docx

基于PaRSEC的并行计算工作流调度算法研究的任务书
一、选题背景
随着科技的不断发展，高性能计算（HighPerformanceComputing，HPC）在诸多领域中扮演着越来越重要的角色，例如气象预报、环境模拟、生物医学等。在科学计算场景中，通过将数据计算分成多个任务并行执行，可以较大程度地提升计算速度和效率。而这些任务的并行化执行需要对任务进行调度，保证任务间的依赖关系、减小系统负载不均衡等问题，以达到提高任务执行效率的目的。
PaRSEC是一种流式并行计算模型，能够在多核、众核、GPU等异构环境中高效地支持数据并行运算和访问。PaRSEC已经成为了一种广泛应用于科学计算中的并行编程模型，然而随着任务数的增加和计算规模的扩大，如何保证任务之间的依赖关系、减小系统负载不均衡等问题亟待解决。
基于此，我们提出了“基于PaRSEC的并行计算工作流调度算法研究”的选题。
二、选题内容和研究目标
本课题主要研究基于PaRSEC模型的并行计算任务调度算法。研究内容包括但不限于以下几个方面：
（1）研究PaRSEC的并行计算模型，并对其进行实现和优化。
（2）研究并行计算任务的调度算法，在满足任务间的依赖关系和系统负载均衡的前提下，尽可能地提高任务执行效率。
（3）探究优化算法，例如遗传算法、模拟退火算法等，以提升调度算法的效率。
具体目标包括：
（1）深入学习PaRSEC模型的并行计算模型，能够对其进行完整的实现和优化。
（2）能够熟练地掌握并行计算任务调度算法的基本理论和实现方法，并通过对相关实验的分析，不断对算法进行优化。
（3）探究并行计算任务调度算法的优化方法，并提出一种效果更加优越的算法。
（4）将研究结果转化为可操作的算法或工具，为PaRSEC模型的并行计算工作流调度提供有效的解决方案。
三、研究方法和技术路线
本课题的研究主要采用实验和理论相结合的研究方法，在PaRSEC并行计算模型和并行任务调度算法的理论基础上，结合实际算例、实验数据，进行比较、分析和优化，最终达到解决实际问题的目标。
具体的技术路线如下：
（1）初步计划：
1.研究整理PaRSEC的并行计算模型；
2.分析并总结目前常用的任务调度算法，并针对PaRSEC的并行模型进行适当的改进；
3.设计实验方案，采用模拟数据和真实场景进行验证；
4.分析实验数据，总结算法优劣；
5.对现有算法进行优化，再次进行实验验证；
（2）实践操作：
1.熟悉PaRSEC并行计算模型的核心思想及其实现方法，包括数据分块、任务划分、任务调度等；
2.掌握常见的并行任务调度算法，如HEFT、GA等；
3.针对PaRSEC的并行模型进行调度算法的设计和编程实现；
4.使用模拟数据和真实场景进行实验验证；
5.对实验数据进行分析和处理，总结实验结果；
6.根据实验结果，对算法进行优化，再次进行实验验证；
（3）预期成果：
1.编写出一份完整的PaRSEC并行计算模型实现程序，以及并行任务调度算法代码；
2.针对PaRSEC模型进行分析、总结和改进，形成论文、技术报告等；
3.结合模拟数据和真实场景进行实验，提出更为有效的算法或工具；
4.将优化后的算法或工具，提供给科学计算领域，具有现实应用价值。
四、总体进度安排
本课题计划根据已有的资源，并在前期进行相关文献调研的基础上，按下列时间进度安排，逐步完成研究任务。
（1）第一阶段：2021.10~2021.11
研究分析PaRSEC模型，掌握其并行计算的实现方法和优化策略；对常见的并行任务调度算法进行分析和总结。
（2）第二阶段：2021.12~2022.01
对PaRSEC模型进行改进，设计合适的并行调度算法，进行初步实验以验证算法效果。
（3）第三阶段：2022.02~2022.05
进一步优化算法，探究最佳的优化策略，并使用更为完备的实验数据对算法进行验证和总结，撰写相关论文。
（4）第四阶段：2022.06~2022.09
撰写本课题的相关研究成果，包括学术论文、技术报告，并对研究结果进行推广和应用。
五、预期获得的结果
本课题通过研究PaRSEC模型并行计算的基本原理及其优化策略，针对任务调度算法进行研究，旨在提高任务执行效率，降低系统开销和负载不均衡问题。最终的研究成果预期为以下几个方面：
（1）通过研究PaRSEC并行计算模型，能够对其进行实现和优化。
（2）通过研究并行计算任务的调度算法，提出一种符合PaRSEC模型的算法，并证明其效率。
（3）通过对优化算法进行研究，提出更为有效的算法或工具，进一步提高研究成果的实用价值。
（4）将研究成果转化为可操作的算法或工具，为PaRSEC模型的并行计算工作流调度提供实用价值。