KR101470695B1 - 그리드 컴퓨팅 스케쥴링을 위한 생물지리학적 최적화 방법 및 시스템 - Google Patents

그리드 컴퓨팅 스케쥴링을 위한 생물지리학적 최적화 방법 및 시스템 Download PDF

Info

Publication number
KR101470695B1
KR101470695B1 KR1020120089044A KR20120089044A KR101470695B1 KR 101470695 B1 KR101470695 B1 KR 101470695B1 KR 1020120089044 A KR1020120089044 A KR 1020120089044A KR 20120089044 A KR20120089044 A KR 20120089044A KR 101470695 B1 KR101470695 B1 KR 101470695B1
Authority
KR
South Korea
Prior art keywords
habitats
habitat
initial
jobs
nodes
Prior art date
Application number
KR1020120089044A
Other languages
English (en)
Other versions
KR20140022646A (ko
Inventor
김성수
변지환
Original Assignee
강원대학교산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 강원대학교산학협력단 filed Critical 강원대학교산학협력단
Priority to KR1020120089044A priority Critical patent/KR101470695B1/ko
Publication of KR20140022646A publication Critical patent/KR20140022646A/ko
Application granted granted Critical
Publication of KR101470695B1 publication Critical patent/KR101470695B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5061—Partitioning or combining of resources
    • G06F9/5072—Grid computing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Algebra (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

그리드 컴퓨팅 스케쥴링을 위한 생물지리학적 최적화 방법은 복수의 작업들 각각의 길이 및 그리드 네트워크에 포함된 복수의 노드들 각각의 처리 속도를 식별하는 단계; 상기 복수의 작업들 각각이 하나의 노드에 할당되는 것을 전제로, 상기 복수의 작업들 모두가 상기 복수의 노드들에 의해 완료되는 시점과 관련된 총 소요 시간(makespan)을 최소화하기 위한 목적 함수를 설정하는 단계; 생물지리학적 최적화 기법을 위해 사용되는 초기 서식지들을 초기 해들로서 임의로 추출하는 단계; 및 상기 생물지리학적 최적화 기법에 따라 상기 목적함수가 최적화되도록 상기 초기 서식지들을 업데이트함으로써 상기 복수의 노드들에 상기 복수의 작업들을 할당하는 단계를 포함한다.

Description

그리드 컴퓨팅 스케쥴링을 위한 생물지리학적 최적화 방법 및 시스템{METHOD AND SYSTEM OF BIOGEOGRAPHY BASED OPTIMIZATION FOR GRID COMPUTING SCHEDULING}
본 발명은 그리드 컴퓨팅 스케쥴링을 위한 생물지리학적 최적화 시스템 및 그 방법에 관한 것으로, 보다 구체적으로 그리드 컴퓨팅 환경 변화에 따라 그리드 노드 자원에 작업을 효율적으로 할당하는 스케쥴링 기술에 관한 것이다.
그리드 컴퓨팅 시스템에서 스케쥴링 기술은 제한된 그리드 자원을 효율적으로 사용하기 위해 작업을 할당하는 기술로써, 어떻게 스케쥴링 기술을 적용할 것인가를 찾아내는 문제가 그리드 컴퓨팅 스케쥴링 문제이다. 그리드 컴퓨팅 스케쥴링 문제는 계산량의 이론에 있어서 문제의 복잡성을 표현하는 개념인 NP-complete이고, 이 문제를 다양한 알고리즘을 적용하여 최적화된 해를 탐색하여 해결하는 기술이 그리드 컴퓨팅 스케쥴링 기술이다.
본 발명의 실시예들은 제한된 그리드 노드 자원에 작업을 효율적으로 할당하는 최적의 그리드 컴퓨팅 스케쥴링 방법, 장치 및 시스템을 제공한다.
또한, 본 발명의 실시예들은 작업이 그리드 노드 자원에 할당되는 효율성을 평가할 수 있는 방법, 장치 및 시스템을 제공한다.
또한, 본 발명의 실시예들은 생물지리학적 최적화를 적용함으로써, 서식지들을 그리드 컴퓨팅 스케쥴링 문제의 해들로서 추출하고, 서식지들을 변화 및 진화시켜 최적화된 서식지로부터 최적화된 그리드 컴퓨팅 스케쥴링 문제의 해를 추출하는 방법, 장치 및 시스템을 제공한다.
본 발명의 일실시예에 따른 그리드 컴퓨팅 스케쥴링을 위한 생물지리학적 최적화 방법은 복수의 작업들 각각의 길이 및 그리드 네트워크에 포함된 복수의 노드들 각각의 처리 속도를 식별하는 단계; 상기 복수의 작업들 각각이 하나의 노드에 할당되는 것을 전제로, 상기 복수의 작업들 모두가 상기 복수의 노드들에 의해 완료되는 시점과 관련된 총 소요 시간(makespan)을 최소화하기 위한 목적 함수를 설정하는 단계; 생물지리학적 최적화 기법을 위해 사용되는 초기 서식지들을 초기 해들로서 임의로 추출하는 단계; 및 상기 생물지리학적 최적화 기법에 따라 상기 목적함수가 최적화되도록 상기 초기 서식지들을 업데이트함으로써 상기 복수의 노드들에 상기 복수의 작업들을 할당하는 단계를 포함한다.
상기 복수의 노드들에 상기 복수의 작업들을 할당하는 단계는 상기 목적 함수에 기초하여 상기 초기 서식지들 각각에서 서식하는 종(species)들의 개수에 비례하는 상기 초기 서식지들 각각에 대한 서식지 적정 인덱스(HSI)를 계산하는 단계; 상기 초기 서식지들 각각에 대한 서식지 적정 인덱스를 이용하여 상기 초기 서식지들 각각에 대한 유입 이주율(immigration rate), 유출 이주율(emigration rate) 및 돌연변이율을 추출하는 단계; 및 상기 유입 이주율, 상기 유출 이주율 및 상기 돌연변이율에 따라 상기 초기 서식지들을 업데이트하는 단계를 포함할 수 있다.
상기 초기 서식지들을 업데이트하는 단계는 상기 초기 서식지들 중 높은 서식지 적정 인덱스를 갖는 서식지로부터 낮은 서식지 적정 인덱스를 갖는 서식지로 상기 종들을 이주(migration)시킴으로써 상기 서식지들을 개선하는 단계를 포함할 수 있다.
상기 초기 서식지들을 업데이트하는 단계는 상기 돌연변이율을 기초로 돌연변이를 확률적으로 적용하여 상기 서식지를 개선하는 단계를 포함할 수 있다.
상기 초기 서식지들 각각에 대한 서식지 적정 인덱스를 이용하여, 미리 설정된 최대 유출 이주율, 최대 종의 수 및 상기 서식지의 종의 수를 기초로 상기 초기 서식지들 각각에 대한 유입 이주율을 계산하는 단계를 포함할 수 있다.
상기 초기 서식지들 각각에 대한 서식지 적정 인덱스를 이용하여, 미리 설정된 최대 유출 이주율, 최대 종의 수 및 상기 서식지의 종의 수를 기초로 상기 초기 서식지들 각각에 대한 유출 이주율을 계산하는 단계를 포함할 수 있다.
상기 초기 서식지들 각각에 대한 서식지 적정 인덱스를 이용하여, 미리 설정된 돌연변이 최대 확률치, 상기 서식지에 최대 종의 수가 있을 확률 및 상기 서식지에 종의 수가 있을 확률을 기초로 상기 초기 서식지들 각각에 대한 돌연변이율을 계산하는 단계를 포함할 수 있다.
상기 목적 함수를 설정하는 단계는 특정 작업이 특정 노드에게 할당되었는지 여부에 따라 제1 논리값 또는 제2 논리값 중 어느 하나로 결정되는 이진 정수 의사 결정 변수를 이용하여 상기 총 소요 시간을 계산하는 단계를 포함할 수 있다.
본 발명의 일실시예에 따른 그리드 컴퓨팅 스케쥴링을 위한 생물지리학적 최적화 방법은 상기 업데이트된 초기 서식지들을 다음 세대에서 초기 서식지들로 사용하는 단계를 더 포함할 수 있다.
상기 복수의 노드들에 상기 복수의 작업들을 할당하는 단계는 상기 적어도 하나의 세대의 반복 횟수와 미리 설정된 반복 횟수를 비교하거나, 상기 업데이트된 서식지와 미리 설정된 기준 서식지를 비교하여 상기 복수의 노드들에 상기 복수의 작업들을 할당하는 것을 중단하는 단계를 포함할 수 있다.
본 발명의 일실시예에 따른 그리드 컴퓨팅 스케쥴링을 위한 생물지리학적 최적화 시스템은 복수의 작업들 각각의 길이 및 그리드 네트워크에 포함된 복수의 노드들 각각의 처리 속도를 식별하는 식별부; 상기 복수의 작업들 각각이 하나의 노드에 할당되는 것을 전제로, 상기 복수의 작업들 모두가 상기 복수의 노드들에 의해 완료되는 시점과 관련된 총 소요 시간(makespan)을 최소화하기 위한 목적 함수를 설정하는 설정부; 생물지리학적 최적화 기법을 위해 사용되는 초기 서식지들을 초기 해들로서 임의로 추출하는 추출부; 및 상기 생물지리학적 최적화 기법에 따라 상기 목적함수가 최적화되도록 상기 초기 서식지들을 업데이트함으로써 상기 복수의 노드들에 상기 복수의 작업들을 할당하는 할당부를 포함한다.
상기 할당부는 상기 목적 함수에 기초하여 상기 초기 서식지들 각각에서 서식하는 종(species)들의 개수에 비례하는 상기 초기 서식지들 각각에 대한 서식지 적정 인덱스(HSI)를 계산하는 계산부; 및 상기 초기 서식지들 각각에 대한 서식지 적정 인덱스를 이용하여 상기 초기 서식지들 각각에 대한 유입 이주율(immigration rate), 유출 이주율(emigration rate) 및 돌연변이율을 추출하는 추출부를 포함하고, 상기 유입 이주율, 상기 유출 이주율 및 상기 돌연변이율에 따라 상기 초기 서식지들을 업데이트할 수 있다.
본 발명의 실시예들은 제한된 그리드 노드 자원에 작업을 효율적으로 할당하는 최적의 그리드 컴퓨팅 스케쥴링 방법, 장치 및 시스템을 제공할 수 있다.
또한, 본 발명의 실시예들은 작업이 그리드 노드 자원에 할당되는 효율성을 평가할 수 있는 방법, 장치 및 시스템을 제공할 수 있다.
또한, 본 발명의 실시예들은 생물지리학적 최적화를 적용함으로써, 서식지들을 그리드 컴퓨팅 스케쥴링 문제의 해들로서 추출하고, 서식지들을 변화 및 진화시켜 최적화된 서식지로부터 최적화된 그리드 컴퓨팅 스케쥴링 문제의 해를 추출하는 방법, 장치 및 시스템을 제공할 수 있다.
도 1은 본 발명의 일실시예에 따른 그리드 컴퓨팅 시스템을 나타낸 도면이다.
도 2는 본 발명의 일실시예에 따른 해의 표현 및 소요 시간(makespan)을 나타낸 도면이다.
도 3은 본 발명의 일실시예에 따른 유입 이주율 및 유출 이주율을 나타낸 도면이다.
도 4는 본 발명의 일실시예에 따른 그리드 컴퓨팅 스케쥴링을 위한 생물지리학적 최적화 방법을 나타낸 플로우 차트이다.
도 5는 도 4에 도시된 노드에 작업을 할당하는 단계(450)를 구체적으로 나타낸 플로우 차트이다.
도 6은 본 발명의 일실시예에 따른 그리드 컴퓨팅 스케쥴링을 위한 생물지리학적 최적화 시스템을 나타낸 블록도이다.
이하, 본 발명에 따른 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다. 그러나, 본 발명이 실시예들에 의해 제한되거나 한정되는 것은 아니다. 또한, 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.
도 1은 본 발명의 일실시예에 따른 그리드 컴퓨팅 시스템을 나타낸 도면이다.
도 1을 참조하면, 그리드 컴퓨팅 시스템은 그리드 정보 서버(110), 그리드 자원 브로커(120), 그리드 자원들(160, 170, 180) 및 사용자들이 수행할 작업들(130, 140, 150)을 포함한다.
그리드 컴퓨팅 시스템은 각기 다른 성능을 가지는 그리드 자원들(160, 170, 180)이 상호 연결되어 가상의 고성능 컴퓨팅 시스템의 기능을 수행할 수 있다. 따라서, 제한된 그리드 자원들(160, 170, 180)에 사용자들이 수행할 작업들(130, 140, 150)을 어떻게 효율적으로 할당하는가 하는 문제를 가지고, 이 스케쥴링 문제의 해를 탐색하는 기술이 그리드 컴퓨팅 스케쥴링 기술이다.
그리드 자원 브로커(120)는 지리적으로 넓게 분산되어 있는 가기 다른 성능의 그리드 자원들(160, 170, 180)과 그리드 정보 서버(110)를 통하여 연결되어, 현재 사용할 수 있는 자원들(160, 170, 180)을 찾아내고, 어떤 자원에 어떤 작업(130, 140, 150)을 할당할 것인가를 결정한다.
실제의 경우, 그리드 자원들(160, 170, 180)은 개인용기기, 워크스테이션, 슈퍼컴퓨터 및 워크스테이션군을 포함하지만, 본 발명의 일실시예에 따른 그리드 컴퓨팅 시스템에서는 그리드 자원들을 그리드 노드 자원(160, 170, 180)으로 표현할 수 있다.
각각의 노드들은 처리 속도가 다르고, 속도의 단위는 시간 당위당 사이클(cycles per unit time : CPUT)로 나타낸다. 또한, 사용자들이 수행할 작업들(130, 140, 150) 각각은 하나의 노드에만 선점없이 할당되어 처리된다. 이 때, 각각의 작업은 프로세싱 길이로 나타내는데, 단위는 사이클 수(number of cycles)이다.
본 발명의 일실시예에 따른 방법은 위와 같이 복수의 작업들 각각이 하나의 노드에 할당되는 것을 전제로, 복수의 작업들 모두가 복수의 노드들에 의해 완료되는 시점과 관련된 총 소요 시간을 최소화하기 위한 목적 함수를 설정한다.
목적 함수는 수학식 1과 같이 나타낼 수 있다.
[수학식 1]
Figure 112012065224736-pat00001
Figure 112012065224736-pat00002
수학식 1에서,
Figure 112012065224736-pat00003
는 제1 논리값 1 또는 제2 논리값 0 중 어느 하나로 결정되는 이진 정수 의사 결정 변수로, 작업
Figure 112012065224736-pat00004
(
Figure 112012065224736-pat00005
)가 그리드 노드
Figure 112012065224736-pat00006
(i
Figure 112012065224736-pat00007
)에 할당되면 1, 그렇지 않으면 0이 된다.
Figure 112012065224736-pat00008
는 작업
Figure 112012065224736-pat00009
를 그리드 노드
Figure 112012065224736-pat00010
에 할당했을 때 소요되는 시간을 나타내고,
Figure 112012065224736-pat00011
는 그리드 노드
Figure 112012065224736-pat00012
에 할당된 모든 작업을 끝마치는데 소요되는 시간의 합이다. 각각의 그리드 노드에
Figure 112012065224736-pat00013
들 중에서 가장 큰 값
Figure 112012065224736-pat00014
을 makespan(모든 작업들이 모두 종료되는 시점)이라 한다.
도 2는 본 발명의 일실시예에 따른 해의 표현 및 소요 시간(makespan)을 나타낸 도면이다.
도 2를 참조하면, 3개의 그리드 노드 자원들에 13개의 작업들을 할당하는 그리드 컴퓨팅 스케쥴링 문제의 해를 표현하고 있고(210), 복수의 작업들 모두가 복수의 노드들에 의해 완료되는 시점과 관련된 총 소요 시간(220)을 간트(gantt) 차트로 나타낸다.
본 발명의 일실시예에 따른 해의 표현(210)은 그리드 노드 G1, G2 및 G3에 각각의 작업들 J1, J2, J3, J4, J5, J6, J7, J8, J9, J10, J11, J12 및 J13이 수학식 1의 목적 함수를 기초로 1과 0의 제1 논리값 및 제2 논리값으로 표현된다.
또한, 소요 시간의 간트 차트(220)는 해의 표현(210)의 그리드 노드 G1(230), G2(240) 및 G3(250)에 각각의 작업들(J1, J2, J3, J4, J5, J6, J7, J8, J9, J10, J11, J12, J13)이 할당되는 시간 상태를 표현한다.
예를 들어, 그리드 노드 G1, G2 및 G3 각각의 속도를 4, 3 및 3 CPUT로 가정하고, J1, J2, J3, J4, J5, J6, J7, J8, J9, J10, J11, J12 및 J13의 작업 시간 길이를 각각 6, 12, 16, 20, 24, 28, 30, 36, 40, 42, 48, 52 및 60 cycles로 가정한다면, 노드들의 모든 작업이 종료되는 시간
Figure 112012065224736-pat00015
는 각각
Figure 112012065224736-pat00016
,
Figure 112012065224736-pat00017
및
Figure 112012065224736-pat00018
이 된다. 따라서 3개의 그리드 노드 자원을 사용하여 13개의 작업들이 모두 종료되는 시점인 총 소요 시간(makespan)은
Figure 112012065224736-pat00019
이 된다.
도 3은 본 발명의 일실시예에 따른 유입 이주율 및 유출 이주율을 나타낸 도면이다.
본 발명에 따른 그리드 컴퓨팅 스케쥴링 방법은 생물지리학적(biogeography) 최적화 기법을 적용한다. 그리드 컴퓨팅 스케쥴링 문제 각각의 해는 서식지(habitat)로 표현하고, 서식지들 각각에서 서식하는 종(species)들의 개수에 비례하는 서식지 적정 인덱스(habitat suitability index : HSI)를 종속 변수로, 적정 인덱스(suitability index variable : SIV)를 독립 변수로 해당 서식지의 평가값으로 사용할 수 있다. 높은 서식지 적정 인덱스는 좋은 해로 평가되고, 해당 서식지에는 많은 종이 서식하게 된다. 반면에, 낮은 서식지 적정 인덱스는 나쁜 해로 평가되고, 해당 서식지에는 적은 종이 서식하게 된다.
도 3을 참조하면, 종의 수가 다른 서식지의 이주율(310)에서 E는 미리 설정된 최대 유출 이주율, I는 미리 설정된 최대 유입 이주율을 나타낸다. 또한,
Figure 112012065224736-pat00020
은 낮은 서식지 적정 인덱스 해의 종의 수,
Figure 112012065224736-pat00021
는 높은 서식지 적정 인덱스 해의 종의 수 및
Figure 112012065224736-pat00022
는 서식지에 존재할 수 있는 최대 종의 수를 나타낸다. 따라서 서식지의 이주율(310)에서 서식지
Figure 112012065224736-pat00023
가 종의 수가 더 많기 때문에,
Figure 112012065224736-pat00024
보다 더 좋은 서식지, 즉 좋은 해일 수 있다.
좋은 서식지 적정 인덱스의 서식지는 다른 서식지로부터의 유입 이주율(immigration rate)을 낮게 하여 현재의 좋은 상태를 유지할 수 있도록 하고, 다른 서식지로 유출 이주율(emigration rate)을 높게 하여 다른 서식지들이 더 좋은 상태가 될 수 있도록 한다. 이와 같은 유입 이주율
Figure 112012065224736-pat00025
와 유출 이주율
Figure 112012065224736-pat00026
는 각각 다음 수학식 2 및 수학 식 3에 따라 결정된다. 상대적으로 나쁜 해 서식지 1의
Figure 112012065224736-pat00027
은 상대적으로 좋은 해 서식지 2의
Figure 112012065224736-pat00028
보다 높고, 반대로 서식지 1의
Figure 112012065224736-pat00029
은 상대적으로 서식지 2의
Figure 112012065224736-pat00030
보다 낮다.
[수학식 2]
Figure 112012065224736-pat00031
[수학식 3]
Figure 112012065224736-pat00032
이주(migration)가 마무리되면 수학식 4를 이용하여 돌연변이를 적용하는데,
Figure 112012065224736-pat00033
는
Figure 112012065224736-pat00034
종의 수를 갖는 서식지의 돌연변이율을 나타낸다.
Figure 112012065224736-pat00035
는 서식지에 정확히
Figure 112012065224736-pat00036
종의 수가 있을 확률,
Figure 112012065224736-pat00037
는 서식지에 정확히
Figure 112012065224736-pat00038
종의 수가 있을 확률로
Figure 112012065224736-pat00039
종의 수가 존재하는 서식지의 유입 이주율 및 유출 이주율을 기초로 계산할 수 있다.
Figure 112012065224736-pat00040
는 사용자가 미리 정의하는 파라미터로써 돌연변이 최대 확률치를 나타낸다.
[수학식 4]
Figure 112012065224736-pat00041
도 3을 참조하면, 엘리티즘과 유입 이주율(320)의 관계를 나타낸다. 여기서 엘리티즘이란 현 세대에서 가장 좋은 해들을 유지하려는 것이다. 엘리티즘에 따라, 서식지 적정 인덱스가 높을수록 유입 이주율이 작아지는데, 가장 좋은 해에 대해서는 유입 이주율을 0으로 조정하여 해당 해들이 계속 유지되어 남아 있을 수 있도록 한다. 즉, 서식지의 적합도
Figure 112012065224736-pat00042
에 가까워질수록 유입 이주율은 0에 가까워질 수 있다.
본 발명의 일실시예에 따른 그리드 컴퓨팅 스케쥴링을 위한 생물지리학적 최적화 방법은 이주와 돌연변이를 통하여 해를 변화 및 진화시켜서 기존의 좋은 서식지 적정 인덱스를 갖는 서식지들은 좋은 상태를 유지시키고, 나쁜 서식지 적정 인덱스를 갖는 서식지들은 기존의 나쁜 상태에서 더 좋은 상태로 개선시킬 수 있다.
도 4는 본 발명의 일실시예에 따른 그리드 컴퓨팅 스케쥴링을 위한 생물지리학적 최적화 방법을 나타낸 플로우 차트이다.
도 4를 참조하면, 본 발명의 일실시예에 따른 방법은 최대 유출 이주율 E, 최대 유입 이주율 I, 서식지에 존재할 수 있는 최대 종의 수
Figure 112012065224736-pat00043
, 돌연변이 최대 확률치
Figure 112012065224736-pat00044
및 엘리티즘 파라미터 등의 파라미터들을 미리 설정한다(410).
복수의 작업들 각각의 길이 및 그리드 네트워크에 포함된 복수의 노드들 각각의 처리 속도를 식별한다(420).
또한, 복수의 작업들 각각이 하나의 그리드 노드에 할당되는 것을 전제로, 복수의 작업들 모두가 복수의 그리드 노드들에 의해 완료되는 시점과 관련된 총 소요 시간(makespan)을 최소화하기 위한 목적 함수를 설정 및 계산한다(430).
본 발명의 일실시예에 따른 방법은 생물지리학적 최적화 기법을 위해 사용되는 초기 서식지들을 초기 해로서 임의로 추출 및 생성한다(440).
추출된 초기 서식지를 바탕으로 생물지리학적 최적화 기법을 적용하여 목적 함수가 최적화되도록 초기 서식지들을 업데이트함으로써 복수의 노드들에 복수의 작업들을 할당한다(450). 이에 대해서는 도 5를 참조하여 자세히 설명한다.
도 5는 도 5는 도 4에 도시된 노드에 작업을 할당하는 단계(450)를 구체적으로 나타낸 플로우 차트이다.
도 5를 참조하면, 목적 함수에 기초하여 도 4에서 생성된 초기 서식지들 각각에서 서식하는 종의 개수에 비례하는 서식지 적정 인덱스를 계산한다(510).
계산된 서식지 적정 인덱스를 이용하여 초기 서식지들 각각에 대한 유입 이주율, 유출 이주율 및 돌연변이율을 추출한다(520).
본 발명의 일실시예에 따른 방법은 유입 이주율 및 유출 이주율을 확률적으로 적용하여 이주를 통하여 서식지들을 개선, 업데이트한다(530). 높은 서식지 적정 인덱스를 갖는 서식지는 유입 이주를 거의 실행하지 않고, 유출 이주를 실행함으로써 좋은 서식지를 유지할 수 있고, 낮은 서식지 적정 인덱스를 갖는 서식지는 유출 이주를 거의 실행하지 않고, 유입 이주를 실행함으로써 보다 좋은 서식지가 될 수 있다.
이주가 진행된 후에, 돌연변이를 돌연변이율을 확률적으로 적용하여 다양한 서식지를 탐색하여 서식지를 개선한다(540). 이 때, 돌연변이의 적용은 새로운 서식지를 생성할 수 있고, 기존의 서식지들을 개선할 수 있다. 따라서, 서식지 적정 인덱스가 높거나 낮은 해들의 돌연변이율은 높게 되고 중간 값들의 서식지 적정 인덱스를 갖는 해들의 돌연변이율은 상대적으로 낮게 된다. 즉, 서식지 적정 인덱스가 낮은 해들은 돌연변이를 통하여 더 개선될 가능성을 높이게 되고, 서식지 적정 인덱스가 높은 해들은 돌연변이를 통하여 더욱 좋게 개선될 가능성을 추구하게 된다.
본 발명의 일실시예에 따른 방법은 이주 및 돌연변이를 적용한 후에 서식지들을 업데이트한다(550). 이 때, 업데이트된 서식지들은 다음 세대의 생물지리학적 최적화 기법에서 초기 서식지로써 활용된다. 따라서, 다음 세대에서는 보다 최적화된 초기 서식지를 이용할 수 있다.
이와 같은 과정을 여러 세대에 걸쳐 반복 실행함으로써 보다 최적화된 서식지를 획득할 수 있다.
또한, 종료 여부를 판별하여, 업데이트된 서식지들에 대응하는 해들을 이용함으로써 복수의 그리드 노드들에 복수의 작업들을 최적화하여 할당할 수 있다(560). 이 때, 종료 여부는 적어도 하나의 세대의 반복 횟수와 미리 설정된 반복 횟수를 비교하거나, 업데이트된 서식지와 미리 설정된 기준 서식지를 비교하여 판별할 수 있다.
도 6은 본 발명의 일실시예에 따른 그리드 컴퓨팅 스케쥴링을 위한 생물지리학적 최적화 시스템을 나타낸 블록도이다.
도 6을 참조하면, 그리드 컴퓨팅 스케쥴링을 위한 생물지리학적 최적화 시스템은 식별부(610), 설정부(620), 추출부(630) 및 할당부(640)을 포함한다.
식별부(610)는 복수의 작업들 각각의 길이 및 그리드 네트워크에 포함된 복수의 노드들 각각의 처리 속도를 식별한다.
설정부(620)는 복수의 작업들 각각이 하나의 노드에 할당되는 것을 전제로, 복수의 작업들 모두가 복수의 노드들에 의해 완료되는 시점과 관련된 총 소요 시간(makespan)을 최소화하기 위한 목적 함수를 설정한다.
추출부(630)는 생물지리적 최적화 기법을 위해 사용되는 초기 서식지들을 초기 해들로서 임의로 추출한다.
할당부(640)는 생물지리적 최적화 기법에 따라 목적함수가 최적화되도록 초기 서식지들을 업데이트함으로써 복수의 노드들에 복수의 작업들을 할당한다.
또한, 할당부(640)는 목적 함수에 기초하여 초기 서식지들 각각에서 서식하는 종(species)들의 개수에 비례하는 초기 서식지들 각각에 대한 서식지 적정 인덱스(HSI)를 계산하는 계산부; 및 초기 서식지들 각각에 대한 서식지 적정 인덱스를 이용하여 초기 서식지들 각각에 대한 유입 이주율(immigration rate), 유출 이주율(emigration rate) 및 돌연변이율을 추출하는 추출부를 포함할 수 있고, 유입 이주율, 유출 이주율 및 돌연변이율에 따라 초기 서식지들을 업데이트할 수 있다.
이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPA(field programmable array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims (13)

  1. 그리드 컴퓨팅 스케쥴링을 위한 생물지리학적 최적화 방법에 있어서,
    복수의 작업들 각각의 길이 및 그리드 네트워크에 포함된 복수의 노드들 각각의 처리 속도를 식별하는 단계;
    상기 복수의 작업들 각각이 하나의 노드에 할당되는 것을 전제로, 상기 복수의 작업들 모두가 상기 복수의 노드들에 의해 완료되는 시점과 관련된 총 소요 시간(makespan)을 최소화하기 위한 목적 함수를 설정하는 단계;
    생물지리적 최적화 기법을 위해 사용되는 초기 서식지들을 상기 그리드 컴퓨팅 스케쥴링을 위한 문제의 초기 해들로서 임의로 추출하는 단계; 및
    상기 생물지리적 최적화 기법에 따라, 하기 수학식 2 아래에서 수학식 1의 상기 목적함수가 최적화되도록 상기 초기 서식지들을 업데이트함으로써 상기 그리드 컴퓨팅 스케쥴링을 위한 문제의 해들을 얻기 위하여 상기 복수의 노드들에 상기 복수의 작업들을 할당하는 단계
    를 포함하고,
    [수학식 1]은
    Figure 112014105763832-pat00051
    이고,
    [수학식 2]은
    Figure 112014105763832-pat00052
    이며,
    상기 복수의 노드들에 상기 복수의 작업들을 할당하는 단계는
    상기 목적 함수에 기초하여 상기 초기 서식지들 각각에서 서식하는 종(species)들의 개수에 비례하는 상기 초기 서식지들 각각에 대한 서식지 적정 인덱스(HSI)를 계산하는 단계;
    상기 초기 서식지들 각각에 대한 서식지 적정 인덱스를 이용하여 상기 초기 서식지들 각각에 대한 유입 이주율(immigration rate), 유출 이주율(emigration rate) 및 돌연변이율을 추출하는 단계; 및
    상기 유입 이주율, 상기 유출 이주율 및 상기 돌연변이율에 따라 상기 초기 서식지들을 업데이트하는 단계
    를 포함하며,
    상기 초기 서식지들을 업데이트하는 단계는
    상기 돌연변이율을 기초로 돌연변이를 확률적으로 적용하여 상기 서식지를 개선하는 단계
    를 포함하고,
    상기 복수의 노드들에 상기 복수의 작업들을 할당하는 단계는
    상기 업데이트된 서식지와 미리 설정된 기준 서식지를 비교하여 상기 복수의 노드들에 상기 복수의 작업들을 할당하는 것을 중단하는 단계
    를 더 포함하며,
    상기 그리드 컴퓨팅 스케쥴링을 위한 생물지리학적 최적화 방법은
    상기 초기 서식지들 각각에 대한 서식지 적정 인덱스를 이용하여, 미리 설정된 최대 유출 이주율, 최대 종의 수 및 상기 서식지의 종의 수를 기초로 상기 초기 서식지들 각각에 대한 유입 이주율을 계산하는 단계
    를 더 포함하고,
    상기 수학식 1에서 상기
    Figure 112014105763832-pat00053
    는 상기 복수의 작업들 중 상기 M개의 복수의 노드들 중 특정 노드 i에 할당된 모든 작업들이 완료되는 시점과 관련된 소요 시간의 합을 의미하고, 상기 수학식 2에서 상기
    Figure 112014105763832-pat00054
    는 상기 N개의 복수의 작업들 중 특정 작업 j가 상기 M개의 복수의 노드들 중 상기 특정 노드 i에 할당되었는지 여부를 나타내는 이진 정수 의사 결정 변수를 의미하고, 상기
    Figure 112014105763832-pat00055
    는 상기 특정 노드 i에 할당된 상기 특정 작업 j가 완료되는 시점과 관련된 소요 시간을 의미하며,
    상기 초기 서식지들을 업데이트하는 단계는
    상기 초기 서식지들 중 높은 서식지 적정 인덱스를 갖는 서식지로부터 낮은 서식지 적정 인덱스를 갖는 서식지로 상기 종들을 이주(migration)시킴으로써 상기 서식지들을 개선하는 단계
    를 포함하고,
    상기 방법은
    상기 초기 서식지들 각각에 대한 서식지 적정 인덱스를 이용하여, 미리 설정된 돌연변이 최대 확률치, 상기 서식지에 최대 종의 수가 있을 확률 및 상기 서식지에 종의 수가 있을 확률을 기초로 상기 초기 서식지들 각각에 대한 돌연변이율을 계산하는 단계를 더 포함하는 그리드 컴퓨팅 스케쥴링을 위한 생물지리학적 최적화 방법.
  2. 삭제
  3. 삭제
  4. 삭제
  5. 삭제
  6. 삭제
  7. 삭제
  8. 제1항에 있어서,
    상기 목적 함수를 설정하는 단계는
    특정 작업이 특정 노드에게 할당되었는지 여부에 따라 제1 논리값 또는 제2 논리값 중 어느 하나로 결정되는 이진 정수 의사 결정 변수를 이용하여 상기 총 소요 시간을 계산하는 단계
    를 포함하는 그리드 컴퓨팅 스케쥴링을 위한 생물지리학적 최적화 방법.
  9. 제1항에 있어서,
    상기 업데이트된 초기 서식지들을 다음 세대에서 초기 서식지들로 사용하는 단계
    를 더 포함하는 그리드 컴퓨팅 스케쥴링을 위한 생물지리학적 최적화 방법.
  10. 삭제
  11. 삭제
  12. 삭제
  13. 삭제
KR1020120089044A 2012-08-14 2012-08-14 그리드 컴퓨팅 스케쥴링을 위한 생물지리학적 최적화 방법 및 시스템 KR101470695B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020120089044A KR101470695B1 (ko) 2012-08-14 2012-08-14 그리드 컴퓨팅 스케쥴링을 위한 생물지리학적 최적화 방법 및 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020120089044A KR101470695B1 (ko) 2012-08-14 2012-08-14 그리드 컴퓨팅 스케쥴링을 위한 생물지리학적 최적화 방법 및 시스템

Publications (2)

Publication Number Publication Date
KR20140022646A KR20140022646A (ko) 2014-02-25
KR101470695B1 true KR101470695B1 (ko) 2014-12-08

Family

ID=50268525

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020120089044A KR101470695B1 (ko) 2012-08-14 2012-08-14 그리드 컴퓨팅 스케쥴링을 위한 생물지리학적 최적화 방법 및 시스템

Country Status (1)

Country Link
KR (1) KR101470695B1 (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101642217B1 (ko) * 2015-02-09 2016-07-26 강원대학교산학협력단 Lap를 위한 생물지리학적 최적화 방법 및 시스템
CN111178730A (zh) * 2019-12-24 2020-05-19 中国航空工业集团公司西安飞机设计研究所 一种加油机供应规划方法及装置

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Dan Simon, ‘Biogeography-Based Optimization’, IEEE Transaction on Evolutionary Computation. Vol.12. No.6., 2008.12., 702-713쪽*
Dan Simon, 'Biogeography-Based Optimization', IEEE Transaction on Evolutionary Computation. Vol.12. No.6., 2008.12., 702-713쪽 *
Hai Zhu, ‘Grid Independent Task Scheduling Multi-Objective Optimization Model and Genetic Algorithm’, Journal of Computers. Vol.5. No.12., 2010.12., 1907-1915쪽*
Hai Zhu, 'Grid Independent Task Scheduling Multi-Objective Optimization Model and Genetic Algorithm', Journal of Computers. Vol.5. No.12., 2010.12., 1907-1915쪽 *

Also Published As

Publication number Publication date
KR20140022646A (ko) 2014-02-25

Similar Documents

Publication Publication Date Title
US11693656B2 (en) Automatic scaling of microservices applications
US9965322B2 (en) Scheduling tasks in a distributed processing system with both reconfigurable and configurable processors
JP5218390B2 (ja) 自律制御サーバ、仮想サーバの制御方法及びプログラム
CN107111517B (zh) 针对归约器任务的虚拟机优化分配和/或生成
KR101471749B1 (ko) 클라우드 서비스의 가상자원 할당을 위한 퍼지 로직 기반의 자원평가 장치 및 방법
CN110362388B (zh) 一种资源调度方法及装置
US11055139B2 (en) Smart accelerator allocation and reclamation for deep learning jobs in a computing cluster
US11809424B2 (en) Auto-scaling a query engine for enterprise-level big data workloads
KR102167747B1 (ko) 사용자 이용 패턴을 신경망 알고리즘으로 분석하여 다음 어플리케이션을 예측하는 모바일 디바이스 메모리 관리 장치 및 방법
CN108427602B (zh) 一种分布式计算任务的协同调度方法及装置
Mallikarjuna et al. A nature inspired bee colony optimization model for improving load balancing in cloud computing
Mishra et al. A meta-heuristic based multi objective optimization for load distribution in cloud data center under varying workloads
Thai et al. Task scheduling on the cloud with hard constraints
KR101470695B1 (ko) 그리드 컴퓨팅 스케쥴링을 위한 생물지리학적 최적화 방법 및 시스템
KR100935361B1 (ko) 가중치 기반 멀티큐 부하분산 병렬처리 시스템 및 방법
KR101661475B1 (ko) 이기종 클러스터 상에서 하둡 부하 분산 방법, 이를 수행하기 위한 기록 매체 및 하둡 맵리듀스 시스템
Sanyal et al. Match: Mapping data-parallel tasks on a heterogeneous computing platform using the cross-entropy heuristic
Yassir et al. Graph-based model and algorithm for minimising big data movement in a cloud environment
JP6349837B2 (ja) スケジューラ装置及びそのスケジューリング方法、演算処理システム、並びにコンピュータ・プログラム
KR101558807B1 (ko) 호스트 프로세서와 협업 프로세서 간에 협업 처리를 위한 프로세서 스케줄링 방법 및 그 방법을 수행하는 호스트 프로세서
Wu et al. Modeling the virtual machine launching overhead under fermicloud
Skrinarova Implementation and evaluation of scheduling algorithm based on PSO HC for elastic cluster criteria
KR102371812B1 (ko) 생물지리학적 실루엣 최적화 데이터 클러스터링 방법 및 시스템
Singh et al. Optimization of Job Scheduling with Dynamic Bees Approach
Malhotra LD_ASG: Load Balancing Algorithm in Cloud Computing

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
AMND Amendment
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20181203

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20191001

Year of fee payment: 6