Zusammenfassung
Scheduling und Ressourcenplanung sind Aufgaben, die in vielen Einsatzbereichen wie z.B. der Maschinenbelegung oder Projektplanung vorkommen. In diesem Beitrag wird eine verwandte Aufgabenstellung vorgestellt, nämlich die Ressourcen- und Jobplanung im Bereich des Grid-Computing. Auf Grund der Dynamik in einem solchen heterogenen Rechnernetz ist eine schnelle Reaktion und häufige Umplanung innerhalb weniger Minuten erforderlich. Daher kommt es vor allem auf gute Resultate innerhalb eines vorgegebenen Zeitrahmens an und weniger darauf, das Optimum zu finden. Zur Lösung dieses Problems werden Heuristiken und der Evolutionäre Algorithmus GLEAM eingesetzt. Der Beitrag vergleicht mit Hilfe geeigneter Benchmarks zwei unterschiedliche Genmodelle, zwei Verfahren zur Reparatur illegaler Schedules und den Effekt eines Hilfskriteriums zur schnelleren Verbesserung von Schedules. Außerdem wird die Wirkung zweier bekannter Crossover-Operatoren für kombinatorische Optimierung untersucht. Dabei zeigt es sich, dass der Evolutionäre Algorithmus trotz der zeitlichen Einschränkung eine deutliche Verbesserung der heuristisch erzeugten Schedules erreicht.
Abstract
Scheduling and resource planning are tasks of many areas of application, such as job shop scheduling or project planning. This paper introduces a related problem, namely, the task of job scheduling and resource allocation in the context of grid computing. Due to the dynamics of a heterogeneous grid, a frequent and fast replanning is necessary. Therefore, good results obtained within a given time frame are much more important than finding the exact optimum. To solve this task, the Evolutionary Algorithm GLEAM is applied apart from some heuristics. Using appropriate benchmarks, this paper compares two different gene models, two repair procedures for illegal schedules, and the effect of an additional auxiliary criterion. Furthermore, the impact of two crossover operators for combinatorial optimisation known from literature is investigated. It appears that a noticeable improvement of the heuristically generated schedules can be achieved by the Evolutionary Algorithm despite of the limited time.
© by Oldenbourg Wissenschaftsverlag, München, Germany
