[论文解读] A Performance Study of GA and LSH in Multiprocessor Job Scheduling

S. R. Vijayalakshmi, G. Padmavathi|arXiv (Cornell University)|Feb 5, 2010

Distributed and Parallel Computing Systems参考文献 6被引用 7

一句话总结

本文比较了遗传算法（GA）与列表调度（LSH）在多处理器作业调度中的表现，评估其在最小化执行时间方面的可扩展性与性能。实验结果表明，GA 能够实现更优的完工时间（makespan）减少，但计算成本更高；而 LSH 则提供更快的执行速度与适中的性能提升，凸显了实时系统设计中的权衡。

ABSTRACT

Multiprocessor task scheduling is an important and computationally difficult problem. This paper proposes a comparison study of genetic algorithm and list scheduling algorithm. Both algorithms are naturally parallelizable but have heavy data dependencies. Based on experimental results, this paper presents a detailed analysis of the scalability, advantages and disadvantages of each algorithm. Multiprocessors have emerged as a powerful computing means for running real-time applications, especially where a uni-processor system would not be sufficient enough to execute all the tasks. The high performance and reliability of multiprocessors have made them a powerful computing resource. Such computing environment requires an efficient algorithm to determine when and on which processor a given task should execute. In multiprocessor systems, an efficient scheduling of a parallel program onto the processors that minimizes the entire execution time is vital for achieving a high performance. This scheduling problem is known to be NP- Hard. In multiprocessor scheduling problem, a given program is to be scheduled in a given multiprocessor system such that the program's execution time is minimized. The last job must be completed as early as possible. Genetic algorithm (GA) is one of the widely used techniques for constrained optimization.

研究动机与目标

• 评估遗传算法（GA）与列表调度启发式（LSH）在多处理器作业调度中的可扩展性与性能。
• 识别 GA 与 LSH 在最小化完工时间（最后一项作业完成时间）方面的优缺点。
• 分析数据依赖性与可并行性对多处理器环境下算法性能的影响。
• 为实时计算与高性能计算工作负载提供关于 GA 与 LSH 适用性的实证洞察。

提出的方法

• 使用选择、交叉与变异算子实现遗传算法（GA），以演化任务到处理器的映射关系。
• 通过基于依赖关系与执行成本优先排序任务，将任务分配给最早可用处理器，应用列表调度启发式（LSH）。
• 在具有不同规模与依赖关系的基准任务图上评估两种算法的完工时间与执行时间。
• 通过测量在处理器与任务数量不断增加时的性能，分析可扩展性。
• 采用固定参数的实验设置，以确保 GA 与 LSH 之间的公平比较。
• 测量并比较多次运行中的执行时间、完工时间与收敛行为。

实验结果

研究问题

• RQ1 在多处理器作业调度中，GA 与 LSH 在完工时间减少方面表现如何比较？
• RQ2 随着处理器与任务数量的增加，GA 与 LSH 的可扩展性如何？
• RQ3 数据依赖性如何影响 GA 与 LSH 在并行执行中的性能？
• RQ4 GA 与 LSH 在执行时间与解质量之间存在哪些权衡？
• RQ5 哪种算法更适合对低延迟调度有要求的实时应用？

主要发现

• 在具有高依赖性的复杂任务图上，GA 相较于 LSH 实现了更优的完工时间减少。
• LSH 展现出更短的执行时间与更低的计算开销，因此在时间约束环境中更具效率。
• GA 随迭代次数增加，解质量有所提升，但问题规模增大时收敛时间显著增长。
• LSH 在不同处理器数量下均保持一致的性能表现，表明其在大规模系统中具有更好的可扩展性。
• 研究证实，两种算法天然具备并行性，但实际中数据依赖性限制了其加速比。
• GA 在最小化最后一项作业完成时间方面优于 LSH，但代价是更高的运行时间和资源消耗。