PARS-Mitteilungen 2007 - Parallel-Algorithmen, -Rechnerstrukturen ...

Schedule-Längen erwartungsgemäÿ, da zu oft schlechtere Mappings übernommen werden.
Die Verschlechterung bei sehr kleinen Wahrscheinlichkeiten ist dagegen nur sehr gering und
kann daher kaum als Beleg für Tendenzen dienen. Trotzdem unterstützt sie die Erwartung,
dass bei zu geringen Einstellungen das Verlassen lokaler Minima nicht mehr möglich ist und
häuger schlechtere Ergebnisse erzielt werden.
4.6 Reaktion auf die Beschaenheit der Task-Graphen (kleine Taskanzahlen)
Die Mapper reagieren teilweise recht deutlich auf die verschiedenen Task-Graphen. Es macht
also Sinn deren Eigenschaften bei der Mapperauswahl in Betracht zu ziehen. Beispielsweise
kommt der Greedy-Mapper gut mit niedrigem Vorgängerabstand zurecht, während der ACO-
Mapper sich dort besonders schwer tut. Der Greedy-Mapper liefert in den Messungen dann
sogar kürzere Schedule-Längen als der ACO-Mapper mit 10 Ameisen. Auällig ist auÿerdem,
dass sich manche schlechte Eignungen durch Erhöhung der Durchgangszahlen ausgleichen
lassen, wie beim SA-Mapper auf inkonsistenten Systemen, bei anderen bleibt dagegen der
Unterschied über die Durchgänge nahezu konstant (z.B. Konsistenz beim ACO-Mapper mit
10 Ameisen).
5 Zusammenfassung und Ausblick
Zusammenfassend können wir feststellen, dass die untersuchten Meta-Heuristiken erfolgreich
zum Mapping paralleler Programme eingesetzt werden können und dass sie im Vergleich zu
dem klassischen Greedy-Mapper bessere Ergebnisse liefern. Dies muss allerdings mit einer
höheren Laufzeit für den Scheduling-Prozess bezahlt werden. Daher sind Meta-Heuristiken
primär nur für statisches Scheduling zu empfehlen. Hier kann der Zeitbedarf zur Berechnung
der Schedules durch entsprechende Parametrierung an die gewünschte Güte angepasst
werden. Erhöht man die Zahl der Individuen bzw. Durchläufe so erhält man auch bessere
Schedules.
Während im vorliegenden Bericht nur das Mapping durch eine Meta-Heuiristik ausgeführt
wurde, soll in künftigen Arbeiten auch der Priorsierungsschritt einbezogen werden. Es
ist zu erwarten, dass dadurch die Qualität der Lösungen weiter erhöht werden kann.
Literatur
1. Abraham, A., Buyya, R., Nath, B.: Nature's Heuristics for Scheduling Jobs on Computational Grids, In: The 8th
IEEE International Conference on Advanced Computing and Communications (ADCOM 2000). IEEE Computer
Society (2000)
2. Ahmad, I., Kwok, Y.-K.: Optimal and Near-Optimal Allocation of Precedence-Constrained Tasks to Parallel
Processors: Defying the High Complexity Using Eective Search Techniques, In: ICPP '98: Proceedings of the
1998 International Conference on Parallel Processing. IEEE Computer Society (1998) 424431
3. Bank, M., Hönig, U., Schimann, W.: An ACO-based approach for scheduling task graphs with communication
costs, In: Proceedings of the 2005 International Conference on Parallel Processing (ICPP 2005). IEEE Computer
Society (2005) 623629
4. Bansal, S., Kumar, P., Singh, K.: An improved duplication strategy for scheduling precedence constrained graphs
in multiprocessor systems, In: IEEE Transactions on Parallel and Distributed Systems, Vol. 14, No. 6. IEEE
Computer Society (2003)
5. Blum, C., Roli, A.: Metaheuristics in Combinatorial Optimization: Overview and Conceptual Comparison, In:
ACM Computing Surveys, Vol. 35, No. 3. ACM Press (2003) 268308
6. Chapin, S.J. et al.: Benchmarks and Standards for the Evaluation of Parallel Job Schedulers, In: Job Scheduling
Strategies for Parallel Processing: IPPS/SPDP'99 Workshop, Lecture Notes in Computer Science, Vol. 1659.
Springer-Verlag (1999) 6790
7. Davidovi¢, T., Crainic, T.G.: New Benchmarks for Static Task Scheduling on Homogeneous Multiprocessor Systems
with Communication Delays. Centre de Recherche sur les Transports, CRT-2003-04, Université de Montréal
(2003)
46