[論文レビュー] A Novel Hybrid Algorithm for Task Graph Scheduling

Vahid Majid Nezhad, Habib Motee Gader+1 more|arXiv (Cornell University)|Jun 9, 2011

Distributed and Parallel Computing Systems参考文献 8被引用数 10

ひとこと要約

本稿では、マルチプロセッサシステムにおけるタスクグラフスケジューリング（NP困難問題）のための、遺伝的アルゴリズム（GA）と学習オートマトン（LA）を組み合わせた新規ハイブリッドアルゴリズムを提案する。初期段階でGAの集団を生成し、その後各クロモソームを学習オートマトンにマッピングすることで適応的スケジューリングを実現する。実験の結果、完了時間の短縮とスケジューリング効率の向上において、従来手法を上回る優れた性能を示した。

ABSTRACT

One of the important problems in multiprocessor systems is Task Graph Scheduling. Task Graph Scheduling is an NP-Hard problem. Both learning automata and genetic algorithms are search tools which are used for solving many NP-Hard problems. In this paper a new hybrid method based on Genetic Algorithm and Learning Automata is proposed. The proposed algorithm begins with an initial population of randomly generated chromosomes and after some stages, each chromosome maps to an automaton. Experimental results show that superiority of the proposed algorithm over the current approaches.

研究の動機と目的

• マルチプロセッサ環境におけるNP困難なタスクグラフスケジューリング問題に対処すること。
• 遺伝的アルゴリズムのグローバルサーチ能力と学習オートマトンの適応的学習能力を活用すること。
• スケジューリング品質と収束速度を向上させるハイブリッドフレームワークの開発。
• 提案手法を既存の最先端スケジューリングアルゴリズムと比較して評価すること。
• 進化的学習と強化学習の手法を組み合わせたタスクスケジューリングにおける有効性を示すこと。

提案手法

• アルゴリズムは、潜在的なタスクスケジュールを表すランダムに生成されたクロモソームの集団から開始する。
• 各クロモソームが学習オートマトンにマッピングされ、スケジューリング中に適応的決定が可能になる。
• ハイブリッド手法では、GAが探索を、LAが活用を担当し、反復的に解を改善する。
• フィットネス評価は、タスクスケジューリングの主要指標である完了時間の最小化に基づく。
• 選択、交叉、突然変異、およびオートマトンベースの学習更新を通じて、解が段階的に進化する。
• 学習オートマトンは、スケジューリング環境からのフィードバックに基づき、タスク割り当て意思決定を精緻化する。

実験結果

リサーチクエスチョン

• RQ1 遺伝的アルゴリズムと学習オートマトンを組み合わせたハイブリッド手法は、タスクグラフスケジューリングの性能を向上させることができるか？
• RQ2 提案手法は、従来のGA単体またはLA単体の手法と比較して、完了時間および収束性においてどのように異なるか？
• RQ3 学習オートマトンの統合は、スケジューリングプロセスの適応性と効率性を向上させるか？
• RQ4 初期集団およびクロモソームからオートマトンへのマッピングが、解の品質に与える影響は何か？
• RQ5 ハイブリッドモデルは、多様なタスクグラフワークロードにおいて、より優れたスケーラビリティとロバストネスを達成できるか？

主な発見

• 提案されたハイブリッドアルゴリズムは、単独のGAやLA手法と比較して、平均的な完了時間が低かった。
• 学習オートマトンの統合により、収束速度と解の安定性が顕著に向上した。
• 実験結果から、実行時間およびスケジューリング品質の両面で優れた性能が確認された。
• さまざまなタスクグラフ構成およびシステム規模において、アルゴリズムのロバストネスが示された。
• スケーラビリティおよび適応性の観点から、既存の手法を上回る性能を発揮した。
• クロモソームから学習オートマトンへのマッピングにより、探索と活用の効果的なバランスが実現された。