《中國人工智能學會通訊》——8.32 基于進化算法的并行計算優化

在雲計算平台和高性能計算平台等分布式平台上，往往存在着多個并行與分布式任務，為了提高并行與分布式算法的執行效率以及平台的資源使用率，研究者們利用進化算法對并行與分布式任務進行優化。目前，這方面的研究主要包括并行與分布式工作流排程和并行與分布式任務的資源排程配置設定兩個方面。

工作流排程

送出至平台系統的并行與分布式任務往往有截止時間要求，然而系統平台的資源往往是有限的，不能同時滿足所有的并行與分布式任務的需求。顯然，平台系統應該對送出的大規模并行與分布式任務進行合理排程，進而提高并行與分布式任務的執行效率，同時滿足任務的截止時間要求。該排程問題被稱為工作流排程問題，學者們投入了大量的精力研究更加合理的排程，提高并行與分布式算法的執行效率。文獻 [20] 利用蟻群算法（ACO）算法排程工作流；文獻 [102] 利用多目标優化算法對雲平台的工作流進行排程。

資源排程

不同的并行與分布式任務往往具有不同的特征，有些任務是計算密集型任務，是以需要大量的高主頻的 CPU，甚至 GPU；有些任務是記憶體密集型任務，甚至 IO 讀寫密集型任務，是以需要大量的記憶體。在高性能平台以及雲平台中，計算資源往往是異構的，是以，為了合理利用計算資源，提高資源使用率，同時最大化并行與分布式算法的執行效率，學者們投入大量精力研究計算資源的合理排程與配置設定方案。文獻 [24] 利用粒子群算法（PSO）給計算任務配置設定計算資源；文獻 [103] 利用分布估計算法（EDA）對計算資源進行排程；文獻 [104]利用進化算法對分布式計算資源進行配置設定；文獻[29]綜述了進化算法在雲計算資源排程上的工作。