● 摘要
利用网格计算技术构建仿真网格，实现分布式仿真任务的优化调度运行成为建模与仿真领域的重要研究内容。与基于局域网络和专用网络的分布式仿真相比，仿真网格中带宽较小、消息传输时延较大的特点，对并行运行的、相互之间存在频繁交互消息通信的仿真任务的优化调度提出了要求。论文针对仿真网格和仿真应用的特点研究了基于网格的分布式仿真任务优化调度问题。在不同的应用领域，任务调度算法一般基于不同的前提和假设，任务的调度目标也不尽相同。比如，有的算法假设任务的最终执行期限和在各个计算结点上的执行时间都是已知的；任务调度的目标可能是追求任务的最小完成时间或者最小执行时间等。针对仿真网格和仿真应用的特点，定义了仿真网格资源空间和仿真应用属性空间，分别对仿真网格的计算资源和网络资源，以及仿真应用的计算需求和通信需求进行描述。在资源空间和属性空间的基础上，以仿真网格资源优化配置模型的形式给出了仿真任务优化调度的目标，并通过分析分布式仿真应用运行时的交互信息传输过程，将仿真任务的优化调度过程分为仿真应用初始化阶段的任务分配和仿真运行中的负载均衡两个过程。目前的网格任务分配算法主要以减少任务的完成时间或者执行时间为目标，不合适任务之间有频繁消息交互的仿真应用。对基于网格的分布式仿真的任务分配方法进行了研究与探讨，考虑仿真任务的负载消耗、仿真任务间的消息交互量、计算结点的负载、计算结点间的通信时延等因素，建立了任务分配的多目标模型，将仿真任务的分配问题等价为一个带约束条件的多目标规划问题，减少流向广域网络的数据量，减轻网络负载，减少交互消息传输时延。仿真任务的分配问题等价为求解一个带约束条件的多目标规划问题。对于多目标规划问题，由于目标之间的无法比较和冲突现象，不一定存在使所有目标都是最优的解。为此引入偏好信息将任务分配的多目标规划问题转化为单目标规划，并采用适应性罚函数的方法处理约束条件，基于遗传算法求解仿真任务分配问题的优化任务分配方案。针对仿真任务分配的特点，给出了染色体的编码与解码方法和计算染色体适应度值的算法。实验结果表明，提出的GASTA算法比ItearatedRand算法和IteratedPower算法的性能提高30%以上。在基于网格的分布式仿真中，涉及大量的计算资源，仿真运行可能要持续较长时间，期间结点负载也可能会产生较大的变化。因此，需要对计算结点的负载进行动态管理。负载均衡技术可以将负载过重或者不可用结点上的盟员迁移到负载较轻的结点上继续运行，实现系统的负载均衡，有利于仿真应用的正常推进。提出了一种基于盟员迁移的仿真网格负载均衡方法，在定位迁出盟员的目标结点时，不仅考虑计算结点的负载情况，而且考虑仿真网格中网络性能的差异，根据计算结点之间的通信时延将仿真网格划分为若干逻辑结点组，在同一逻辑结点组中消息的传输时延接近。将定位过程分为逻辑结点组内定位和逻辑结点组间定位，降低了仿真网格的网络异构性给定位算法带来的复杂性。实验结果表明，该方法能够有效的实现仿真网格中计算结点的负载均衡。在分布式仿真支撑系统SOD中实现了主要研究工作，进行了实验验证和分析。最后，总结了全文工作，并讨论了课题今后的研究方向。