적응형 반복 알고리즘을 기반으로 한 대규모 병렬 작업을 위한 계산 부하 균형 연구

초록 대규모 병렬 작업 컴퓨팅에서 부하 균형 문제에 초점을 맞추어, 본 연구에서는 적응형 반복 알고리즘 기반의 작업 스케줄링 모델을 제안한다. 이 모델은 이질적인 컴퓨팅 자원에서 전통적인 정적 스케줄링 알고리즘의 단점을 해결하며, 작업 할당 전략을 동적으로 조정하여 효과를 발휘한다. 본 연구에서는 먼저 대규모 병렬 작업 컴퓨팅의 부하 균형 스케줄링을 위한 수학적 모델을 설계한 후, 개선된 적응형 유전자 알고리즘(AGAPD)을 사용하여 균형 상태를 해결한다. 이 알고리즘은 유전자 알고리즘의 전역 탐색 능력과 적응형 메커니즘의 지역 최적화 능력을 결합하여 복잡한 클라우드 컴퓨팅 환경에서 효율적인 부하 균형을 달성할 수 있다. 실험 결과, AGAPD 알고리즘은 2000 노드 크기에서 작업 완료 시간 측면에서 전통적인 알고리즘에 비해 90.56%-93.99%의 시간을 절약하며, CPU 점유율 또한 전통적인 알고리즘에 비해 41.73%-47.27% 감소하여 이러한 유형의 문제를 해결하는 효율성을 향상시킨다. 또한, 모델의 동적 부하 균형 오버헤드는 약 0.18로 유지되며, 시스템 크기의 증가에 따라 스피드업 비율이 유의미하게 증가하여 대규모 병렬 컴퓨팅 시스템의 전반적인 성능을 크게 향상시킬 수 있음을 보여준다.