[论文解读] Multiprocessor Scheduling Using Parallel Genetic Algorithm

Nourah Al-Angari, Abdullatif Alabdullatif|arXiv (Cornell University)|Sep 24, 2012

Distributed and Parallel Computing Systems参考文献 6被引用 3

一句话总结

本文提出一种同步主从并行遗传算法（GA），以加速多处理器调度，解决顺序GA中适应度评估计算成本过高的问题。通过将适应度评估分布到多个处理器上，该方法在复杂、高代数的调度问题上实现了显著加速，相较于顺序执行在运行时间和可扩展性方面均表现更优。

ABSTRACT

Tasks scheduling is the most challenging problem in the parallel computing. Hence, the inappropriate scheduling will reduce or even abort the utilization of the true potential of the parallelization. Genetic algorithm (GA) has been successfully applied to solve the scheduling problem. The fitness evaluation is the most time consuming GA operation for the CPU time, which affect the GA performance. The proposed synchronous master-slave algorithm outperforms the sequential algorithm in case of complex and high number of generations problem.

研究动机与目标

• 解决基于遗传算法的多处理器调度中因适应度评估耗时过长而产生的性能瓶颈。
• 提升并行计算环境中调度的效率与可扩展性。
• 设计并实现一种用于分布式适应度评估的同步主从并行GA架构。
• 评估并行方法相较于顺序GA在大规模调度问题上的性能提升。
• 证明并行化在加速NP难调度优化问题中的可行性和有效性。

提出的方法

• 采用同步主从架构，主处理器协调GA过程并分发个体给从处理器。
• 每个从处理器独立使用预定义的调度成本函数评估分配到的个体的适应度。
• 适应度评估是主要计算负载，其并行化是核心优化目标。
• 算法以同步代次推进，主处理器收集结果并更新种群。
• 该方法在集群环境中实现并测试，以评估其在复杂调度实例上的性能。
• 采用消息传递进行进程间通信，确保协调与负载均衡。

实验结果

研究问题

• RQ1 遗传算法中适应度评估的并行化是否能显著减少多处理器调度的运行时间？
• RQ2 在大规模调度问题上，该并行主从GA与顺序GA相比性能如何？
• RQ3 同步执行模型是否在提升速度的同时保持了解的质量？
• RQ4 随着处理器数量和问题复杂度的增加，所提出的并行GA的可扩展性如何？
• RQ5 该并行方法能否处理顺序执行无法应对的高代数、复杂调度问题？

主要发现

• 所提出的并行遗传算法相较于顺序实现，收敛速度更快，执行时间更短。
• 同步主从模型有效平衡了负载，最小化了处理器的空闲时间。
• 在每代适应度评估计算成本高且种群规模大的问题上，性能提升最为显著。
• 该算法表现出良好的可扩展性，随着处理器数量增加，速度提升保持一致。
• 解的质量与顺序GA相比具有竞争力，表明并行化未损害优化的有效性。
• 该方法在需要大量代次的复杂调度问题中尤为有效，此时适应度评估主导了运行时间。