تخصيص ايستاي وظايف در سيستم‌هاي توزيع‌شده با استفاده از الگوريتم ژنتيك موازي

Static Task Allocation in Distributed System Using Parallel Genetic Algorithm

در طي دو دهه اخير، بالارفتن فوق‌العاده سرعت شبكه‌هاي رايانه اي و همچنين افزايش نياز به سيستم‌هايي با كارايي بالا سبب شده است كه محققان به پردازش‌هاي موازي و توزيع‌شده علاقه‌مند شوند. رشد سريع سيستم‌هاي توزيع‌شده باعث شده كه مسائل گوناگوني در اين زمينه مطرح شود. يكي از مهم‌ترين مسائلي كه موردتوجه محققان زيادي قرارگرفته، مسئله تخصيص وظايف در اين‌گونه محيط‌ها است كه به‌منظور به دست آوردن بهره‌وري مؤثر از سيستم انجام مي‌شود. مسئله تخصيص وظايف به‌جز در معدود موارد خاص جز مسائل NP-كامل است؛ بنابراين از فرايندهاي اكتشافي براي دستيابي به راه‌حل‌هاي زيربهينه در مدت‌زمان مطلوب استفاده مي‌شود. اگرچه از روش‌هاي مختلف در تحقيقات استفاده‌شده، اما هنوز پيدا كردن روش مؤثر و كارا براي اين مشكل موردنياز و مطلوب است. در اين پژوهش از الگوريتم ژنتيك موازي براي پيدا كردن راه‌حل بهينه براي تخصيص يك گراف از وظايف به پردازنده‌ها در سيستم توزيع‌شده استفاده‌شده است. نتايج نشان داد الگوريتم پيشنهادي مي‌تواند تخصيص‌هاي بهينه يا نزديك بهينه براي مسائل با اندازه‌هاي گوناگون ارائه دهد. همچنين روش پيشنهادي توانست در زمان بسيار سريع‌تر از الگوريتم ژنتيك سنتي و با تسريع فراخطي، مسائل با اندازه‌هاي بزرگ و متوسط را حل كند.

Over the past two decades, PC speeds have increased from a few instructions per second to several million instructions per second. The tremendous speed of today's networks as well as the increasing need for high-performance systems has made researchers interested in parallel and distributed computing. The rapid growth of distributed systems has led to a variety of problems. The most important problem that has been addressed by many researchers is the task allocation in such environments in order to obtain effective system efficiency. The task allocation problem is, except in a few specific cases, an NP-complete problem; so, heuristic methods are used to achieve suboptimal solutions in the desired time. Although different methods have been used in research, finding an effective and efficient method for this problem is still needed and desirable. This study used a parallel genetic algorithm to find the optimal solution for allocating a graph of tasks to the processors in a distributed system. The results showed that the proposed algorithm can provide optimal or near-optimal allocations for problems of different sizes. Also, the proposed method was able to solve problems of large and medium-size in a much faster time than traditional genetic algorithm with super linear speedup.