[论文解读] Multiprocessor Scheduling of Dependent Tasks to Minimize Makespan and Reliability Cost Using NSGA-II

M.Rathna Devi ., A.Anju|arXiv (Cornell University)|Apr 10, 2014

Distributed and Parallel Computing Systems参考文献 10被引用 4

一句话总结

本文提出了一种基于NSGA-II的多目标调度算法，用于异构多处理器系统中依赖任务的调度，旨在同时最小化完成时间和可靠性成本。通过利用非支配排序和拥挤度距离，该方法生成了在执行时间和系统可靠性之间实现平衡的帕累托最优解，相较于单目标方法表现出更优的权衡性能。

ABSTRACT

Algorithms developed for scheduling applications on heterogeneous multiprocessor system focus on asingle objective such as execution time, cost or total data transmission time. However, if more than oneobjective (e.g. execution cost and time, which may be in conflict) are considered, then the problem becomes more challenging. This project is proposed to develop a multiobjective scheduling algorithm using Evolutionary techniques for scheduling a set of dependent tasks on available resources in a multiprocessor environment which will minimize the makespan and reliability cost. A Non-dominated sorting Genetic Algorithm-II procedure has been developed to get the pareto- optimal solutions. NSGA-II is a Elitist Evolutionary algorithm, and it takes the initial parental solution without any changes, in all iteration to eliminate the problem of loss of some pareto-optimal solutions.NSGA-II uses crowding distance concept to create a diversity of the solutions.

研究动机与目标

• 为解决在具有冲突目标的异构多处理器系统中调度依赖任务的挑战。
• 同时最小化完成时间（执行时间）和可靠性成本，这两者在实际系统中通常存在冲突。
• 开发一种鲁棒的进化算法，以保持解的多样性并收敛至帕累托最优解。
• 通过将多个性能指标整合到统一的优化框架中，克服单目标调度的局限性。

提出的方法

• 采用非支配排序遗传算法-II（NSGA-II）作为核心进化优化技术。
• 使用非支配排序根据目标空间中的支配关系对解进行排序。
• 应用拥挤度距离以保持非支配解集中的多样性。
• 将任务调度编码为染色体，应用遗传算子（选择、交叉、变异）在多代中演化解。
• 基于完成时间和可靠性成本评估适应度，其中后者反映系统故障概率和维修成本。
• 通过精英策略在代际间保留最优解，防止帕累托最优个体的丢失。

实验结果

研究问题

• RQ1 在具有任务依赖关系的多处理器任务调度中，如何同时最小化完成时间和可靠性成本？
• RQ2 NSGA-II在为该多目标问题生成多样化且分布均匀的帕累托最优解方面效果如何？
• RQ3 所提出的算法在平衡执行时间和系统可靠性方面，相较于单目标调度方法表现如何？
• RQ4 拥挤度距离机制在该应用场景下，对提升解的多样性有多大程度的改善作用？
• RQ5 NSGA-II的精英策略在进化过程中能否有效防止高质量帕累托最优解的丢失？

主要发现

• 基于NSGA-II的方法成功生成了一组帕累托最优解，有效代表了完成时间和可靠性成本之间的权衡。
• 拥挤度距离的使用显著提升了帕累托前沿中解的多样性，防止了早熟收敛。
• NSGA-II中的精英策略在代际间保留了高质量解，提升了向真实帕累托前沿收敛的能力。
• 该算法通过提供一组平衡的解，优于单目标方法，能够有效应对冲突目标。
• 所提出的方法在处理多处理器环境中的任务依赖关系和异构资源约束方面表现出色。