2012

ФЕДЕРАЛЬНОЕ АГЕНТСТВО ПО ОБРАЗОВАНИЮ

ГОСУДАРСТВЕННОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ
ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ
ДОНСКОЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ
УНИВЕРСИТЕТ
Кафедра “Программное обеспечение вычислительной техники и
автоматизированных систем”
Методические указания
и контрольные задания к практическим, лабораторным занятиям,
курсовому проектированию по теме «Теория расписаний», для
дисциплин «Алгоритмические языки и программирование»,
«Вычислительная техника и программирование»
Авторы:
Кобак В.Г.,
Титов Д.В.,
Золотых О.А.
Ростов-на-Дону
1. Общие сведения
Предметом области исследования расписаний является круг задач
проектирования и организационного управления в различных системах,
в которых требуется найти наилучшее (оптимальное) значение
выбранных критериев их функционирования с учетом имеющихся
ограничений.
Программирование для многопроцессорных машинных систем
связано с распараллеливанием и синхронизацией вычислений и
организацией выполнения параллельных вычислительных процессов.
Это выдвигает целый ряд сложных задач, среди которых весьма
важными являются, расчет характеристик времени и количества
операций, требующихся для выполнения параллельных программ, и
построения расписаний (планов), выполнения параллельных программ
на многопроцессорных и многомашинных вычислительных системах.
Модели параллельных программ и операционные характеристики
процессов их выполнения служат основой для планирования
параллельных вычислительных процессов, т.е. для построения
расписаний указанных процессов. Расписания параллельных
вычислительных процессов определяют порядок выполнения
программы на вычислительной системе, включая распределение частей
программы по процессам. С увеличением числа распределяемых частей
программ и количества используемых процессоров сложность
построения оптимальных расписаний обычно резко возрастает. Поэтому
важное значение имеют простые в построении и удобные в реализации
приближенные расписания параллельных вычислительных процессов,
близкие к оптимальным с точки зрения времени выполнения
параллельных программ.
2. Постановка задачи
Имеется вычислительная система (ВС), состоящая из N несвязанных
идентичных устройств (приборов, процессоров и т.п.)
P  { p1, p2 ,..., pn }
На обслуживание в ВС поступает набор из M независимых
параллельных заданий (работ) T  {t1, t2 ,..., tm } известно время
решения  (t i ) задания ti на любом из устройств. При этом каждое
задание может выполняться на любом из устройств (процессоре), в
каждый момент времени отдельный процессор обслуживает не более 3. Алгоритмы списочных расписаний
одного задания и выполнение задания не прерывается для передачи на
другой процессор. Требуется найти такое распределение заданий по 1 Алгоритм критического пути
процессорам, при котором суммарное время выполнения заданий на Широкое распространение получил простой и эффективный
каждом из процессоров было бы минимальным. Под расписанием алгоритм списочного расписания: метод критического пути (Critical
следует понимать отображение AR : T  P , такое что, если AR (ti )  p j Method Path или CMP).
, то говорят что задание ti  T , в расписании R назначенного на Решим задачу №1 алгоритмом Критического пути. Для начала
упорядочим заданную матрицу по убыванию:
процессор p j  P . При сделанных выше допущениях, расписание
можно представить разбиением множества заданий T на N 22 22 22 22
непересекающихся подмножеств T j ; j  1,..., N 14 14 14 14
Критерий, используемый для минимизации времени завершения 9 9 9 9
обслуживания заданий, является минимальным критерием и 7 7 7 7
определяется в следующем виде: f r  lmax
 j n
f j  min
, где 7 7 7 7
5 5 5 5
fj   (t ) - время завершения работы процессора
t i T j
i pj . 5 5 5 5
5 5 5 5
Задача №1. Для примера рассмотрим 22 22 22 22
однородную матрицу N  M , где N  4 , 5 5 5 5 Множество заданий примет вид: T = [22 14 9 7 7 5 5 5]. На первый
M  8 , где M – число заданий, N - число 7 7 7 7 процессор назначается задание с весом 22. Потом, на второй процессор
процессоров. 14 14 14 14 p2 назначается – 14, на третий – 9 и т.д.
Решим приведенными ниже алгоритмами, 5 5 5 5
нахождения расписаний. 5 5 5 5 Шаг 1 Шаг 2
p1 p2 p3 p4 p1 p2 p3 p4
9 9 9 9
22 22 14
7 7 7 7
Нагр: 22 0 0 0 22 14 0 0
Задача №2. 7 7 7 7 7 7 7 7
N=8 16 16 16 16 16 16 16 16 Значение нагрузки необходимо пересчитывать после каждого
M = 10 18 18 18 18 18 18 18 18 добавления задания на один из процессоров. Следующие задания
10 10 10 10 10 10 10 10 направляются на наименее загруженный из всех процессоров.
2 2 2 2 2 2 2 2
8 8 8 8 8 8 8 8 Шаг 3 p1 p2 p3 p4 Шаг 4 p1 p2 p3 p4
18 18 18 18 18 18 18 18 22 14 9 22 14 9 7
22 22 22 22 22 22 22 22 Нагр: 22 14 9 0 22 14 9 7
18 18 18 18 18 18 18 18
11 11 11 11 11 11 11 11 Шаг 5 p1 p2 p3 p4 Шаг 6 p1 p2 p3 p4
22 14 9 7 22 14 9 7
7 5 7
Нагр: 22 14 9 14 22 14 14 14
 При наличии одинаковых значений нагрузки на нескольких 3 Упорядоченное разбиение множества заданий
процессорах, приоритет получения следующего задания принадлежит
Данный алгоритм (Ordered Fragmentation Multitude Tasks или
тому процессору, который ближе к первому (по порядковому номеру).
OFMT) очень схож с HDMT. Но, если в HDMT число процессоров
Шаг 7 Шаг 8 должно быть чётным, то в OFMT число процессоров равно числу 2 в
p1 p2 p3 p4 p1 p2 p3 p4
какой-либо степени, т.е. N = 2p. OFMT, как и HDMT, является
22 14 9 7 22 14 9 7
5 5 7 5 5 7 многоуровневым. Но, в нём не два уровня, а равно числу p (т.е., если 8
5 процессоров, число уровней - 3). Рассмотрим работу на примере задачи
Нагр: 22 19 14 14 22 19 19 14 №2.
Изначально, на первом уровне, необходимо упорядочить
Результат: max (22, 19, 19, 14)=22. однородную матрицу по убыванию, в итоге получим вектор заданий: T =
[22 18 18 18 16 11 10 8 7 2]. После чего, распределяем по алгоритму CMP
2 Алгоритм половинного деления множества заданий множество заданий T на два процессора: p А и pB , В результате
Приведённый далее алгоритм является одной из модификаций получим два множества заданий: TА и TB . На втором уровне, каждое
алгоритма критического пути (CMP), но, алгоритм половинного деления
из заданий распределяется ещё по двум машинам: TА на pC и pD ,
состоит из двух уровней, и актуален только для чётного числа
процессоров. TB на pE и pF . Это даст ещё 4 множества заданий: TС , TD , TE ,
Решим задачу №1 с помощью алгоритма половинного деления TF . Наконец, на третьем уровне, распределяем полученные 4
множества заданий. Как и в CMP, в алгоритме половинного деления множества на 8 процессоров. Получим:
(Half Division Multitude Tasks или HDMT) имеющуюся однородную
матрицу упорядочить по убыванию, в результате, множество заданий I уровень: pA pB
будет иметь вид: T = [22 14 9 7 7 5 5 5]. Далее, как и в алгоритме CMP, 22 18
распределяем всё множество заданий, но, только, на два процессора - 18 18
p А и pB (В этом заключается первый уровень): II ур: pC pD 11 16 pE pF
10 8
На втором уровне задания с процессоров p А и pB 22 18 7 2 18 18
10 11 TА TB 16 8
разбрасываются на две группы процессоров (по N/2 процессоров в
7 2
каждой): p1 , p2 и p3 , p4 соответственно. Процесс решения:
Нагр: 24 24 48 47 24 23
I уровень: pA pB
22 14
TС TD TE TF
7 9
II ур: p1 p2 5 7 p3 p4 III ур: p1 p2 p3 p4 p5 p6 p7 p8
5 5
22 7 14 9 22 10 18 11 18 16 18 8
5 5 7 7 2
5 Нагр: 22 10 18 18 18 16 18 10
Нагр: 22 17 39 35 19 16
Max(22, 10, 18, 18, 18, 16, 18, 10) = 22
3.4 Вычислительные эксперименты
В ходе экспериментов были случайным образом сгенерированы
по 100 векторов загрузки, содержащие задания в диапазоне [z1, z2]. В Таблица 1
таблице 1 и 3 представлены результаты экспериментов для диапазонов № 1 2 3 4 5 6 7 8 9 10 11 12
заданий [25, 30] и [100, 200] соответственно. Алг. CPM OFMT
Таблица 1. n 2 3 4 2 3 4
N M CPM OFMT HDMT m, T 1 2 1 2 1 2 1 2 1 2 1 2
4 81 565,18 565,18 565,18
8 81 294,78 294,78 294,78 Таблица 2
1 № 13 14 15 16 17 18 19 20 21 22 23 24
81 159,52 159,51 159,52 Алг. HDMT
6 CPM
n 2 3 4 2 3 4
Таблица 2. m, T 1 2 1 2 1 2 1 2 1 2 1 2
N M CPM OFMT HDMT
4 81 3108,47 3108,43 3108,43 Таблица 3
8 81 1600,8 1600,98 1600,75 1 20-25 20-35
1 m, T
81 845,92 845,57 845,93 2 30-35 35-40
6
5 Литература
Проанализировав данные, приведенные в таблицах 1 и 2 можно
1. Коффман Э.Г. “Теория расписания и вычислительные машины” –
отметить, что предложенный способ решения задач составления
M.: “Наука”, 1987
списочных расписаний для (четного количества кратных степени 2)
устройств с помощью модифицированных алгоритмов OFMT и HDMT
2. Романовский И.В. “Алгоритмы решения экстремальных задач” –
является более эффективным, т.к. точность решения в данном случае
М.: “Наука”, 1977
несколько лучше, чем у CPM
3. Пашкеев С.Д., Минязов Р.И., Могилевский В.Д. “Машинные
4 Варианты заданий
методы оптимизации в технике связи” – М.: “Связь”, 1976.
Задание определяется согласно № - номера студента в списке, по
приведенным ниже таблицам (Таблица 1, Таблица 2, Таблица 3). Алг. -
название алгоритма, который необходимо запрограммировать. Параметр
n-определяет число процессоров. m – количество заданий, выбирается
одно значение из указанного отрезка в таблице 3, T – множество весов
заданий, случайным образом берется m работ в пределах указанных в
таблице 3.
Например, если студент в списке под номером №5, то Алг. = “CPM”,
n = 4, m выбирается произвольно в отрезке [20,25] m = 21, T
формируется из n работ, вес которых выбирается случайным образом в
отрезке [20,35].