基于CESM的RTM的联合计算模式研究

发布时间：2020-05-09 19:29

【摘要】：地表径流变迁是改变生态环境,特别是地域气候的主要因素,而CESM的RTM模块是研究地表径流的有效途径,但这需要超大的算力,超级计算机资源的稀有与广大分散的多差异研究需求形成了矛盾。为解决这一矛盾,在研究中需要利用计算机集群来获得算力。众多的科学研究都是基于高性能计算集群,然而在集群中的分布式计算上也发展了诸多技术,例如网格计算,元计算等。网格计算可以把网络中不同位置的闲置计算设备关联起来形成一个计算集群。然而如何能够使该集群发挥出其最优的性能,缩短计算任务时间是一个难题。这就需要找到一个在异构或者同构的网络集群下,能够对任务进行拆分、分发并回收、整合,并且还要使得各个资源节点的负载均衡性好的算法。而对于网格集群运算来说,任务调度和负载均衡一直都是研究的重点。任务调度和负载均衡的重点在于对任务进行拆分分配时,首先要了解到网络中各个资源节点的自身属性以及状态信息,避免出现节点任务过于集中或节点过于闲置的负载不均衡现象,这样才可以实现最佳的调度策略。因此本文研究了以下内容:本文首先对网格任务调度技术和负载均衡技术做了研究,探究了任务调度和负载均衡在网格系统及集群网络中的重要作用。针对于RTM数值计算的特性,结合蚁群算法的多方面研究,利用蚁群算法自身蚂蚁觅食的特点做了有效的拓展。在网格系统中引进了蚁群算法,并对蚁群算法做了适当的改进,使之能够满足RTM数值计算的要求,对任务更有效的分配给匹配的节点,缩短网格任务时间。为了使集群网络管理更加灵活和提高资源利用率,避免网络阻塞,增强网络传输性能。本文利用SDN来对集群网络进行部署,同时引入蚁群算法,并根据本文研究目的对蚁群算法参数做了适当的调整,使得能够在SDN网络中规划出最优的路径,高效地利用节点资源设备,提高集群计算性能。
【图文】：

32图 4-1 信息素挥发因子与迭代次数的关系ig 4-1 Relationship between pheromone volatile factors and iteratio可知，随着信息素挥发因子 的变大，最优路径的迭代，蚂蚁在选择的路径上受到信息素的影响较大，收敛性路径的能力会有影响，容易陷入局部收敛的僵局。反之主要作用，使得蚂蚁在选择路径上受到信息素的影响较较大，这对蚂蚁在选择路径上也会是不符合本节的实验算法的信息素挥发因子的值要根据蚂蚁的收敛速度和步分析确定。通过以上的表 4-1 和图 4-1 的分析可以得

图 4-4 Mininet 源码的获取Fig 4-4 Mininet source code acquisition来进入下载的好的目录，，进入 bin 中找到 install.sh 进行安装。“-a”表示包括 Mininet VM。图 4-5Mininet 安装Fig 4-5 Mininet installationininet 安装好后可以通过 mn 命令来检测是否安装成功，如图 4-7 所示
【学位授予单位】：华北水利水电大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：P333.1;TP18

【相似文献】

相关期刊论文 前10条

1 邱昕;赵启迪;;超图在网格任务调度中的应用[J];电子世界;2014年11期

2 林芳;;遗传算法在网格任务调度的应用研究[J];计算机仿真;2011年11期

3 周建中;王树宗;石章松;王成飞;;基于遗传算法的网格任务调度方法研究[J];舰船科学技术;2009年11期

4 舒涛;;混沌粒子优化算法在网格任务调度的应用[J];计算机仿真;2012年10期

5 叶春晓;陆杰;;基于改进遗传算法的网格任务调度研究[J];计算机科学;2010年07期

6 张拓;王建平;;网格任务调度问题求解的萤火虫算法[J];重庆邮电大学学报(自然科学版);2015年05期

7 李英;黄国范;;基于实数编码遗传算法的网格任务调度[J];吉林省教育学院学报(上旬);2013年01期

8 张京军;刘文娟;刘光远;;基于改进免疫遗传算法的网格任务调度[J];河北工程大学学报(自然科学版);2013年02期

9 邢长明;刘方爱;;数据网格任务调度模拟器的设计[J];计算机应用研究;2011年11期

10 魏东;吴良杰;佐丹;刘刚;;基于混合蚁群算法的网格任务调度[J];计算机工程;2010年03期

相关会议论文 前2条

1 周伟;卜艳萍;;改进遗传算法在网格任务调度中的应用[A];第四届中国智能计算大会论文集[C];2010年

2 杨海明;程龙;赵佛晓;徐娟;;基于分布式Agent的网格任务调度模型研究[A];全国第20届计算机技术与应用学术会议（CACIS·2009）暨全国第1届安全关键技术与应用学术会议论文集（上册）[C];2009年

相关博士学位论文 前3条

1 杨博;网格任务调度与优化机制研究[D];中南大学;2008年

2 薛桂香;基于智能优化算法的网格任务调度策略研究[D];天津大学;2008年

3 高瞻;网格任务调度中服务质量保证相关问题研究[D];北京交通大学;2010年

相关硕士学位论文 前10条

1 时俊鹏;基于CESM的RTM的联合计算模式研究[D];华北水利水电大学;2018年

2 柴进;基于计算经济模型的网格任务调度策略研究[D];兰州理工大学;2007年

3 刘静;基于蚁群遗传算法的网格任务调度策略研究[D];华中师范大学;2009年

4 陈振江;基于遗传模拟退火算法的网格任务调度研究[D];内蒙古科技大学;2010年

5 邱昕;基于超图的网格任务调度优化方法研究[D];沈阳理工大学;2015年

6 何振东;基于多目标约束的网格任务调度模型研究[D];华南理工大学;2012年

7 朱贝贝;基于遗传算法的网格任务调度研究[D];山东大学;2012年

8 张智民;基于化学反应优化的网格任务调度研究[D];湖南大学;2012年

9 陆杰;基于遗传算法的网格任务调度研究[D];重庆大学;2010年

10 刘文娟;并行遗传算法及其在网格任务调度中的应用研究[D];河北工程大学;2013年

本文编号：2656625