可变精度衰减调制的Linux嵌入式任务调度算法

对嵌入式Linux系统进程中的任务调度算法设计是保证操作系统稳定和高效运行的核心要素。传统的嵌入式Linux系统任务调度算法采用分簇能耗调度的PSO遗传进化算法,当任务复制和区间插入失衡时,调度效果不好。提出一种基于可变精度衰减调制的Linux嵌入式任务调度算法,首先进行Linux嵌入式任务调度平台总体设计,进行任务信息流模型构建,将嵌入式系统客户端将创建好的任务流提交给服务器,结合任务流集合中各任务流的优先级属性和提交时间,进行变精度衰减调制,得到Linux嵌入式分簇任务调度模型。实验结果表明,该算法无论是单个任务流还是在多任务流调度运行环境下,改进算法的任务调度耗时较少,通过可变精度衰减调制,保证了多任务流中的任务能够按照流程优先级属性以及提交的先后次序进行合理的分配,有效提高了Linux嵌入式系统的运行效率。     

基于任务信息流特征尺度谱分析开销折减算法

云平台多处理器的任务调度是解决庞大用户群中庞大任务量和数据量的关键,云平台中任务调度的计算性能影响整个系统的运行效率。提出一种基于任务信息流特征尺度谱分析的开销折减算法,采用可分解特征下的云平台任务同步开销折减算法,通过构建复杂通道下多处理器运行环境下的云平台任务调度整合基础模型,进行任务节点信息表征,使用GSM、TD-SCDMA、TD-LTE和WLAN,实现多处理器和多通道任务调度,计算各任务匹配资源的效率,得到资源相似度,基于任务信息流特征尺度谱分析方法计算每个任务的特征尺度,得到尺度优化的开销折减目标函数。仿真结果表明,采用该算法进行任务调度,具有较高的执行效率,CPU利用率高,网络开销折减幅度较高,提高了数据通信效率。     

引入任务安全性函数分形维的资源均衡算法

资源负载均衡是提高云计算资源调度效率的重要因素,为提高云计算中任务调度的效率,减少执行时间,针对传统的资源均衡算法在没有考虑到云计算环境下的资源节点安全性因素,复杂度高,效果不好的问题,提出一种引入安全性函数分形维特征重组的资源均衡算法。建立任务调度策略及资源均衡模型,构造任务调度所需要时间、费用、可靠性等方面的因素进行特征描述,对负载资源信息流的分形维信息特征提取,通过分层化状态重组,实现对资源负载的均衡处理,得到负载目标函数,提高任务处理效率。实验结果表明,该算法进行Cloud Sim平台下的负载云计算任务调度和负载资源均衡,能有效节省任务执行时间,降低计算开销,执行效率优越于其它算法。     

嵌入式云平台的实时任务最优调度算法研究

文章提出一种基于混合时隙自适应分配的嵌入式云平台的实时任务最优调度算法,真结果表明,采用本文算法进行嵌入式云平台的实时任务调度的实时性和鲁棒性较好,通过自适应的时分多址时隙分配,任务调度的均衡度提高,性能优越。     

路由冲突下的语义检索嵌入式任务调度算法

在路由冲突协议下难以实现对语义检索任务的嵌入式调度,在路由冲突协议设计和网络协议识别中,由于语义检索码在链路负载导致网络通信效率低下,为了提高语义检索任务的调度能力,避免路由冲突,提出一种基于语义相似度融合的Linux嵌入式任务调度算法。通过语义相似度特征模型构建,易于实现语义检索的嵌入式任务调度和路由信息分流。对每组语义相似度特征进行特征融合,得到Linux嵌入式分流矩阵向量长度,进行特征分解,得到样本协方差,实现算法改进。仿真结果得出,算法具有较高的吞吐率和召回率,执行效率较高,检索精度优越,有效提高了语义检索嵌入式任务调度的运行效率。在语义系统构建和检索优化设计中具有较好的应用前景。     

嵌入式设备中复合型任务最优调度约束模型仿真

在ARM和Linux等嵌入式操作系统设计和应用中,为了优化进程管理和内存管理,提高嵌入式设备的运行效率,需要对复合型任务进行最优调度策略规划。提出一种改进的嵌入式设备中复合型任务最优调度约束模型,设计粒子分集聚敛算法实现对嵌入式设备中复合型任务最优调度,和实现对任务调度约束模型的改进,通过进程管理子系统,完成进程的创建、中止、进程间的通信及任务调度,进行特征分解,得到调度迭代方程。采用模糊聚类策略对任务调度管理的数据信息进行约简,可以实现最小的运算量。实验表明,通过该最优调度约束模型,调度算法对整个调度过程的时间开销影响不大,由此提高了调度算法的活性能力,总执行时间节省10%左右,可以使CPU利用率达到100%,展示了其优越性。     

移动端无人机配送任务调度与APP设计

本文针对无人机配送任务调度问题,以总配送成本最低为原则,通过建立数学模型结合匈牙利算法求解最佳调度方案,对配送任务进行合理调度,并在拥有较大用户基数的Android平台上设计无人机配送系统移动客户端配送任务调度等功能。本文中APP功能设计运用java语言与Android SDK进行在设计配送任务调度与状态查询、配送路径显示等功能。     

一种集成可重构硬件的多核片上系统的软硬件任务划分与调度算法

提出了一种静态的软硬件任务划分与调度相结合的算法,可以同时获得给定任务集在该类平台上的软硬件任务划分和任务调度方案. 算法的时间复杂度为O(V(E+V)+V2logV+PVlogV). 实验结果表明了该算法的可行性和有效性.     

基于Web Service的多Agent交互机制研究

本文分析了基于CORBA的Agent通信交互模型存在的缺陷,并在此基础上提出了基于Web Service的多Agent交互模型。该模型能充分利用Web Service的完全平台无关性,为分布式异构环境下多Agent之间交互提供了一种新的方法。     

微信传播建模分析

结合复杂网络与Agent的建模方法对微信信息的传播进行研究。通过分析微信信息的交互规律构建复杂网络,并在对影响个体传播行为的相关变量进行探究的基础之上建立Agent模型。针对Agent之间的信息交互,提出3种基于各变量的演化规则。研究利于揭示微信信息传播的关键机理,并有助于对微信平台进行有效利用和管控。     

面向大数据的多Agent资源粒子调度算法

提出面向大数据的多Agent资源粒子调动算法,建立由工作调度agent组成的资源调度模型,对多agent资源进行优先级划分,通过多Agent调度策略灵活自主的特点将Agent系统与自适应粒子群算法结合,利用粒子算法实现对面向大数据调度技术的准确调度。仿真实验表明,这种多Agent资源粒子调度算法更能有效的提高数据调度的效率,同时实用性更强,稳定性更好,面向大数据调度准确率高、速度快,在任务调度时不仅将缩短任务完成所需时间,并且降低任务完成所需成本,有效的为数据调度技术提供更好的保障。     

模糊云计算环境下特定数据目标资源识别定位

在模糊云计算环境下,需要对特定数据进行识别定位,实现目标数据信号的准确检测和访问。传统方法采用先分层后分支的数据目标资源识别定位算法,定位识别性能计算复杂度较大,准确度不高,提出一种基于通信开销缩减和冗余任务删除的特定数据目标资源识别定位技术。首先对DAG图中的任务进行任务归并,然后将DAG图分层,从整个任务图的全局出发考虑任务的优先级,构建模糊云计算模型,设计模糊云计算核函数,创建多个线程的信息流特征编码,考虑对整个任务图调度时间起决定作用的关键任务,设计通信开销缩减算子,将调度列表头结点分配到使其具有最小最早完成时间的处理器内核上,提高对特定数据的目标资源定位识别性能。仿真实验得出,该算法定位精度较高,对目标资源的冗余任务进行有效删除,明显提高了任务调度效率,收敛性能较好。     

基于蚁群拥挤度跃阶调整的交互信息调度算法

大数据库对象交互信息调度是提高网络数据库系统结构的稳定性和吞吐量的关键,通过采用UDP协议传输实时大对象数据调度,提高大对象数据的传输性能,是避免延时和丢帧的关键。提出一种基于蚁群拥挤度跃阶调整的交互信息调度算法,根据HList返回到IC Compiler中进行任务调度,根据每个节点的时序信息,采用双阈值判决条件设计,发送方需要发送数据时,时间轴划分成各个相邻的任务匹配平滑窗口模型,构建跃阶调整的自适应信息调度模型,仿真结果表明,本文算法能有效提高交互信息调度性能,节省了任务开销,缩短交互信息调度延时,降低误码率。     

基于云计算的“用户期待”任务调度算法的研究

文章在云计算提供的各项服务质量基础上,提出了云计算任务调度的用户期待函数,并根据用户期待函数和服务质量的任务分类,提出了用户期待函数的任务调度算法,最后在云计算仿真平台CloudSim上进行仿真实验与分析。实验结果表明,该任务调度算法在调度时间、可靠性与费用等方面具有一定的优势。     

面向业务流程的知识管理系统建模研究

在分析业务流程和知识流程的关系之后,对面向业务流程的知识管理系统进行定义,提出该系统的关键是如何实现对业务流程知识需求的获取.使用Agent技术解决业务流程知识需求获取问题,并构建基于Agent的面向业务流程的知识管理系统模型.在此基础上应用INGENIAS方法提供的组织、代理、任务及目标、交互和环境五大模型,从五个不同的视角对所构建的系统进行建模.     

基于优化的帝国算法的云计算任务调度

针对云计算任务调度效率低的问题,将改进后的帝国算法用于云计算任务调度。首先提出了一种基于时间、成本和能耗的任务调度模型;其次在帝国算法的种群中采用Logistic映射进行初始化、优化了算法因子、引入蛙跳算法降低了帝国算法陷入局部最优;最后,在仿真实验中通过与基本帝国算法,蛙跳算法在小任务和大任务条件下的任务调度指标对比说明了优化后的帝国算法能够取得较好的效果。     

任务流驱动的研发服务平台协同解决方案

针对公共研发服务平台的功能体系,在任务流驱动模型基础上提出了实现协同公共服务平台的解决方案,并阐述了协同过程中任务流的定制与各功能Agent实现,以及协同任务流数据库的构建与管理方案。     

基于半带滤波分块采样的计算任务排序算法

在计算机信息管理中,需要对计算任务按优先级或复杂度进行优化排序,实现计算效益优化。研究云计算信息系统中的计算任务优化排序算法,提高数据管理和调度的效率。传统方法采用子带合成滤波方法进行任务排序,计算开销和执行时效性方面性能不好,提出一种基于带滤波分块采样的计算任务排序算法。计算在整个计算机信息管理基站的每个站点的合计成本,根据信息匹配相关度进行资源搜索,计算任务分配时半滤波分块采样的收敛函数,得到基于半滤波分块采样的任务排序二元假设检验分配模型,实现任务优先级排序优化。仿真结果表明,采用该算法对云计算信息系统中的计算任务进行排序,能有效准确地确定计算任务的优先级,减少任务冲突,提高任务执行效率,在计算机信息管理和任务分配中具有较高应用价值。     

云制造平台下基于蝙蝠算法的供需调度时间优化

云制造平台为供应链构建提供了多种选择,为了解决云制造平台下,供应链调度数据量大,更新频繁的问题,对蝙蝠算法重新编码及解码,应用改进蝙蝠算法对初始种群的产生进行限定,解决批任务调度问题,减少无效搜索,缩短找到合适任务分派策略的时间,通过实验对比,证明了改进蝙蝠算法在云制造供应链调度中的有效性,避免了资源超载和资源闲置的现象,并使任务总完成时间最短,推动云制造在供应链方面的应用.     

基于Agent 和K 核分解的群体事件微博传播模型

【目的/意义】有别于众多现有的针对社会群体事件的定性理论研究,文章采用了定性分析和定量研究相结 合的方式探讨群体事件在微博网络中的传播特点,并给出了社会群体事件在微博中传播的传播模型。【方法/过程】 以定性分析和定量讨论相结合的方式为指导思想,以复杂系统的理论为依据,提出对群体事件的微博传播进行基 于Agent 的建模分析;以复杂网络的相关知识为支撑,提出依据K-Shell index 方式来划分Agent 群类并设计了相应 的交互规则。【结果/结论】实证分析了以K-shell index为依据构建Agent的优点;基于Repast平台对所设计的模型进 行了仿真分析、模拟出了由个体用户的意见从无序交互到集中爆发的涌现过程,并以真实群体事件的数据为基础 论证了该模型的科学性和实用性。这些工作能帮助人们更科学地理解群体事件微博传播中的演变规律,从而为群 体事件的及时预测和有效应对提供理论指导。