基于微粒群算法的网格工作流优化调度问题的研究的任务书.docx

基于微粒群算法的网格工作流优化调度问题的研究的任务书
任务书
一、任务背景
随着科技的不断发展，生产和生活的各个领域都已经进入了数字化、网络化的时代。网格计算并行处理技术作为一种新型的分布式计算技术，已被广泛应用于大数据处理、科学计算、分布式游戏、移动计算等领域，其高效的处理能力及对资源的充分利用受到了大量研究者的关注。
网格工作流作为网格计算的一种典型应用场景，通常由若干个作业和环节组成，每个环节使用特定的资源进行处理，并在完成所有环节后得到最终结果。网格工作流调度优化问题是提高网格计算性能的重要环节，其目的是通过合理地分配资源和进程调度，使计算时间和消耗的资源最小化。
现有的网格工作流调度方法主要包括贪心算法、遗传算法、蚁群算法、模拟退火算法等。然而，采用传统的优化调度方法往往难以解决大规模和复杂的网格计算问题。微粒群算法是一种新兴的优化方法，其运用自组织、自适应、集体智能等理论和思想，通过迭代搜索逐渐优化目标函数，已在许多优化问题中取得了不错的效果。
因此，本研究旨在探究基于微粒群算法的网格工作流优化调度方法，以解决大规模和复杂的网格计算问题。
二、研究内容和目标
1.研究现有的网格工作流调度算法，并对其进行分析和比较；
2.研究微粒群算法的基本原理和特点，了解其在优化调度问题中的应用；
3.基于微粒群算法，构建一个网格工作流优化调度模型，并对其算法流程进行设计和实现；
4.使用实验数据验证模型的正确性及优化效果，并与现有算法进行比较分析；
5.总结得出结论，提出未来研究的方向和思路。
三、研究方法和步骤
1.进行文献综述，梳理网格工作流调度算法的研究现状；
2.学习微粒群算法的理论知识和实现方法；
3.针对网格工作流优化调度问题，构建优化模型，并设计基于微粒群算法的求解算法；
4.使用真实数据或仿真数据对模型进行验证；
5.比较分析本研究算法与现有算法的差异和优劣；
6.总结研究成果，提出未来发展的思路和方向。
四、主要研究内容和要求
1.深入了解网格工作流调度问题的相关知识，掌握贪心算法、遗传算法、蚁群算法等传统的优化调度方法；
2.学习微粒群算法的基本原理和思路，并了解其在优化问题中的应用；
3.基于微粒群算法，构建一个网格工作流优化调度模型，并根据实验数据进行模型验证和优化调试；
4.具备良好的英文文献查阅和翻译能力，能够查找并阅读相关学术论文，理解和掌握半个月左右；
5.具备一定的编程能力，能够使用C++、Java等语言实现本研究算法；
6.熟练使用Matlab工具进行数据分析和实验结果分析；
7.撰写符合学术规范的实验报告和论文，并能够进行规范的英文文献检索参考。
五、时间安排
本研究计划于2021年6月开题，2022年5月完成毕业论文。具体时间安排如下：
六、经费预算
1.购买文献和图书费用：2000元；
2.实验数据采集和处理费用：1500元；
3.其他开销：500元；
4.总计预算：4000元。
七、参考文献
[1]HananH.OlfaB,MingwuZ,etal.Optimizationofworkflowschedulingalgorithms:asurvey.JournalofNetworkandComputerApplications,2014,47:54-77.
[2]SinghGP,KapoorA.Asurveyofloadbalancingincloudcomputing:challengesandalgorithm.InternationalJournalofAdvanceResearchinComputerScienceandManagementStudies,2014,2(4).
[3]ShiY,HuL,FangH,etal.Particleswarmoptimization-baseddynamicresourceschedulingalgorithmforworkflowapplicationsincloudcomputing.[J].Journalofsoftware,2013,8(12):3272-3281.