8.32 基于进化算法的并行计算优化
在云计算平台和高性能计算平台等分布式平台上，往往存在着多个并行与分布式任务，为了提高并行与分布式算法的执行效率以及平台的资源利用率，研究者们利用进化算法对并行与分布式任务进行优化。目前，这方面的研究主要包括并行与分布式工作流调度和并行与分布式任务的资源调度分配两个方面。
工作流调度
提交至平台系统的并行与分布式任务往往有截止时间要求，然而系统平台的资源往往是有限的，不能同时满足所有的并行与分布式任务的需求。显然，平台系统应该对提交的大规模并行与分布式任务进行合理调度，从而提高并行与分布式任务的执行效率，同时满足任务的截止时间要求。该调度问题被称为工作流调度问题，学者们投入了大量的精力研究更加合理的调度，提高并行与分布式算法的执行效率。文献 [20] 利用蚁群算法（ACO）算法调度工作流；文献 [102] 利用多目标优化算法对云平台的工作流进行调度。
资源调度
不同的并行与分布式任务往往具有不同的特征，有些任务是计算密集型任务，因此需要大量的高主频的 CPU，甚至 GPU；有些任务是内存密集型任务，甚至 IO 读写密集型任务，因此需要大量的内存。在高性能平台以及云平台中，计算资源往往是异构的，因此，为了合理利用计算资源，提高资源利用率，同时最大化并行与分布式算法的执行效率，学者们投入大量精力研究计算资源的合理调度与分配方案。文献 [24] 利用粒子群算法（PSO）给计算任务分配计算资源；文献 [103] 利用分布估计算法（EDA）对计算资源进行调度；文献 [104]利用进化算法对分布式计算资源进行分配；文献[29]综述了进化算法在云计算资源调度上的工作。
