网格计算是构筑在Internet上的一种新兴技术,其利用共享网络将分散在不同地理位置的计算资源、存储资源、数据资源等组织成一台虚拟的超级计算机,由此提供强大的计算能力,用于解决复杂的科学与工程计算问题。在网格技术迅速发展的今天,网格的应用越来越广泛,受关注和重视的程度越来越高。网格的大规模应用对有限的网格资源提出了挑战--如何在有限的网格资源下运行更多的网格任务,如何增强网格资源系统的性能。解决这些问题的关键在于网格任务调度算法和策略,一个优良的调度算法和策略可以使网格节点执行更多的任务,从而增大网格系统的吞吐率,并能尽量使整个网格环境保持负载均衡。因此笔者选择任务调度算法作为本文的研究对象。
　　 本文在研究网格任务调度总体框架和分析以往经典网格任务调度算法基础上,针对以往任务调度模型任务执行时间冗长和负载不均衡等问题,提出了一种新的网格任务调度模型。该调度模型是以混合蚁群算法为核心算法,本文构造的混合蚁群算法有两个方面的主要特点:1.混合蚁群算法中蚁群算法部分对蚁群的信息素及更新规则、启发信息及更新规则、适应度评价、蚂蚁转移方式以及算法的迭代终止条件进行了再设计,使其切合了网格任务调度的实际和满足了网格任务调度的要求；2.混合蚁群算法由蚁群算法并结合Min-Min算法和局部搜索策略构成。本文在理论上设计和构造出性能更优良并使得以此为核心的网格任务调度模型更有效的蚁群算法,再结合Min-Min算法和局部搜索策略,达到加快算法收敛速度和提高调度模型性能的目的。最后,利用在SimJava基础上开发出的开源仿真平台--Gridsim,设计仿真实验,基于本文设计的混合蚁群算法模拟网格任务调度,以此来验证混合蚁群算法和新调度模型的性能是否提高。实验结果表明本文所提出的基于混合蚁群算法的调度模型比以往的基于Min-Min算法与Max-Min算法的调度模型要优越,这种优越性体现在批量任务总执行时间的减少和处理器负载的相对均衡；实验结果还表明蚁群算法在结合Min-Min算法和局部搜索策略后,其收敛速度的确有显著的提高,也就是说混合蚁群算法比基本蚁群算法的收敛速度要快和性能更好。