Algoritmos Evolutivos Multiobjetivo Para Despacho De Tareas En Redes Heterogéneas

Algoritmos Evolutivos Multiobjetivo Para Despacho De Tareas En Redes Heterogéneas

Instituto de Computación – Facultad de Ingeniería Universidad de la República Montevideo, Uruguay Proyecto de Grado Algoritmos evolutivos multiobjetivo para despacho de tareas en redes heterogéneas Darío De León 2008 Supervisor: Sergio Nesmachnow Contenido Capítulo 1. Introducción....................................................................................7 Capítulo 2. Computación heterogénea...............................................................9 2.1 Conceptos de computación heterogénea..................................................9 2.1.1 Ventajas de los sistemas heterogéneos.............................................11 2.1.2 Tipos de sistemas heterogéneos ........................................................13 2.1.3 Perfiles de tareas ...............................................................................13 2.1.4 Técnicas de predicción......................................................................15 2.1.5 Mapeo................................................................................................16 2.1.6 Entornos de programación ................................................................18 2.1.7 Evaluación de desempeño .................................................................19 2.1.8 Algunas medidas de performance .....................................................20 2.1.9 Algunas heurísticas propuestas .........................................................23 2.2 Aplicaciones de la computación heterogénea........................................28 2.2.1 Berkeley Open Infrastructure for Network Computing (BOINC) ....28 2.2.2 World Community Grid (WCG) .......................................................31 2.3 Modelo ETC ..........................................................................................32 2.4 Trabajos relacionados............................................................................33 2.4.1 Estimating the Execution Time Distribution for a Task Graph in a Heterogeneous Computing System.................................................................33 2.4.2 A Comparison of Eleven Static Heuristics for Mapping a Class of Independent Tasks onto Heterogeneous Distributed Computing Systems .....34 2.4.3 The Relative Performance of Various Algorithms is Independent of Sizable Variances in Run-time Predictions.....................................................36 2.4.4 A Taxonomy for describing Matching and Scheduling Heuristics for Mixed-Machine Heterogeneous Computing Systems.....................................36 2.4.5 Efficient Batch Job Scheduling in Grids using Cellular Memetic Algorithms ......................................................................................................37 2.5 Conclusiones..........................................................................................38 Capítulo 3. Computación evolutiva.................................................................39 3.1 Técnicas de computación evolutiva.......................................................39 3.2 Algoritmos genéticos.............................................................................41 3.2.1 Representación de soluciones............................................................42 3.2.2 Función de fitness .............................................................................42 3.2.3 Operadores evolutivos.......................................................................43 3.3 Modelos de evolución............................................................................44 3.3.1 Modelo de estado estacionario ..........................................................44 3.3.2 Otros modelos de evolución..............................................................45 3.4 Algoritmos evolutivos multiobjetivos ...................................................46 3.4.1 Problemas de optimización multiobjetivo.........................................46 3.4.2 AE para optimización multiobjetivo (MOEA)..................................47 • Non Pareto based MOEAs ................................................................48 • Pareto based MOEAs ........................................................................48 3.4.3 MOEAs de primera generación.........................................................49 • VEGA - Vector Evaluated Genetic Algorithms................................49 • NSGA - Non-dominated Sorting Genetic Algorithm........................49 • NPGA - Niched Pareto Genetic Algorithm.......................................50 • MOGA - MultiObjective Genetic Algorithm....................................51 3.4.4 MOEAs de segunda generación ........................................................52 • SPEA - Strength Pareto Evolutionary Algorithm..............................52 • SPEA-2..............................................................................................53 • PAES - Pareto Archived Evolution Strategy.....................................54 3 4 CONTENIDO • NSGA-II............................................................................................55 • NPGA-2.............................................................................................56 • MICRO GA.......................................................................................57 3.4.5 Métricas de evaluación de MOEAs...................................................57 • Número de Puntos no Dominados.....................................................58 • Tasa de Error.....................................................................................58 • Distancia Generacional .....................................................................58 • Spacing..............................................................................................58 • Spread................................................................................................59 3.5 Algoritmos evolutivos paralelos............................................................59 3.5.1 Modelo maestro-esclavo ...................................................................60 3.5.2 Modelo de subpoblaciones distribuidas ............................................61 3.5.3 Modelo celular ..................................................................................62 Capítulo 4. MOEAs para planificación en entornos HC .................................65 4.1 Descripción del problema......................................................................65 4.2 Trabajo previo. Despacho de tareas en redes heterogéneas: enfoque multiobjetivo.......................................................................................................67 4.3 Diseño del algoritmo .............................................................................68 4.3.1 Codificación ......................................................................................69 4.3.2 Inicialización de la población............................................................69 4.3.3 Selección ...........................................................................................70 4.3.4 Cruzamiento ......................................................................................70 4.3.5 Migración ..........................................................................................71 4.3.6 Mutación ...........................................................................................71 4.4 Frameworks utilizados...........................................................................72 4.4.1 MOE Framework ..............................................................................73 4.4.2 JMetal................................................................................................76 4.4.3 Sparrow .............................................................................................78 4.5 Detalles de la implementación...............................................................80 4.5.1 NSGAII .............................................................................................80 4.5.2 SPEA-2..............................................................................................81 Capítulo 5. Evaluación experimental...............................................................85 5.1 Casos de prueba.....................................................................................85 5.2 Plataforma computacional .....................................................................85 5.3 Parámetros de Ejecución .......................................................................86 5.4 Análisis de resultados experimentales...................................................86 5.5 Evolución de los frentes de Pareto ........................................................88 5.6 Frentes de Pareto obtenidos...................................................................92 5.7 Análisis de métricas de calidad .............................................................95 5.8 Análisis de la eficiencia computacional ................................................95 Capítulo 6. Conclusiones y trabajo futuro .......................................................99 Lista de Algoritmos Algoritmo 1 – Algoritmo Evolutivo Genérico........................................................40 Algoritmo 2 – Esquema de un Algoritmo Genético................................................41 Algoritmo 3 – Esquema de un MOEA....................................................................47 Algoritmo 4 – Esquema del NSGA.........................................................................50 Algoritmo 5 – Esquema de NPGA..........................................................................51

View Full Text

Details

  • File Type
    pdf
  • Upload Time
    -
  • Content Languages
    English
  • Upload User
    Anonymous/Not logged-in
  • File Pages
    128 Page
  • File Size
    -

Download

Channel Download Status
Express Download Enable

Copyright

We respect the copyrights and intellectual property rights of all users. All uploaded documents are either original works of the uploader or authorized works of the rightful owners.

  • Not to be reproduced or distributed without explicit permission.
  • Not used for commercial purposes outside of approved use cases.
  • Not used to infringe on the rights of the original creators.
  • If you believe any content infringes your copyright, please contact us immediately.

Support

For help with questions, suggestions, or problems, please contact us