满足公平性约束的云任务调度QoS算法

为了提高资源行为动态异构的云环境中工作流任务的调度效率,提出了一种满足公平性约束的云任务调度Qo S算法。算法将工作流任务结构定义为有向无循环图DAG模型,改进了传统关键路径的一次性搜索模式,结合云资源可用性动态可变的特征,以动态自适应方式搜索关键路径,并确定关键任务。同时,在关键任务调度后,局部DAG的关键路径搜索根据资源可用性再次迭代更新,从而动态决策任务与资源间的调度方案。通过仿真实验,构建了3种不同类型的工作流结构作为测试数据源,并与其他6种同类型的启发式和元启发式算法进行了性能比较。实验结果表明,在资源可用性动态改变和工作流规模不断增大的情况下,算法在多数工作流结构中均能得到执行跨度更好的调度方案和更少的调度开销。     

一种多核处理器调度策略研究

多核处理器已成为当前微处理器技术发展的重要方向.随着多核处理器核心的增长,传统的单核处理器及其调度算法难以满足高性能计算的需要.在研究现有的处理器调度算法的基础上,定义了多核处理器调度数学模型.在调度策略中融入数据挖掘的思想,提出一种基于分类挖掘的多核处理器调度模型和CMMPS算法,对比其他处理器调度算法,本算法更能有效地实现资源的分配、提高处理器资源的利用率,可应用于多核处理器任务调度应用环境.     

蚁群算法在作业调度中应用研究

合理配置车间作业调度中的各种资源可提高生产设备利用率与生产效率,降低生产成本。本文提出了一种求解混流装配线作业调度的蚁群算法,从信息素更新、状态转移概率论证该算法。通过计算目标函数与目标追随法、遗传算法、模拟退火算法比较,结果证明该算法对作业调度能够起到优化作用。     

多小区蜂窝边缘计算中基于虚拟延时队列的BP调度（英文）

为了进一步改善多小区蜂窝边缘计算系统中的延时性能,提出了一种新的基于延时驱动的联合通信与计算资源BP(backpressure)调度算法.首先,为多小区蜂窝边缘计算系统中的通信与计算延时建立数学模型并表达为虚拟延时队列.然后,基于该虚拟延时队列模型,以BP调度算法为框架,以稳定虚拟延时队列为优化目标,设计了一种新型的联合无线子载波与计算虚拟机资源调度算法.最后,对所提出基于虚拟延时队列的BP调度算法的延时性能进行了仿真评估,并与传统基于队列长度的BP调度算法进行了对比.结果表明,在所采用的仿真条件下,所提出BP调度算法的总延时总是低于传统基于队列长度的BP调度算法.特别地,当计算资源异构配置时,总延时减少的百分比可以达到51.29%.因此,与传统基于队列长度的BP调度算法相比,所提出的基于虚拟延时队列的BP调度算法可以进一步降低延时.     

一种基于多阶段PSO的多目标工作流调度算法

基于启发式算法的工作流调度算法目标单一,无法保证用户满意度,且多目标调度算法少、性能差。为了改善现状,提出基于多阶段PSO的多目标工作流调度算法MSPSO,分析工作流任务的层次结构,按层次进行多阶段PSO调度,结合排队理论估算每阶段调度需要的虚拟机数量,控制PSO搜索空间,使算法能快速找到最优解。用4种真实科学工作流在CloudSim环境下进行仿真实验。结果表明,MSPSO算法资源利用率提高了1.81%,能耗降低了9.16%,任务违约率低至0.075%。MSPSO调度算法不仅能动态增减虚拟机,降低能耗,还能在保证截止时间的前提下降低任务违约率,提高资源利用率。     

QoS指导下的网格资源选择方法

在高性能并行分布式网格计算环境下,计算节点具有动态、异构、分布和多管理域特性,这使得网格资源的发现及管理变得比较困难。在对网格调度模型分析的基础上,使用模糊聚类的相关理论提出在任务调度之前对资源进行预处理,依据用户QoS需求权重对机器性能进行聚类,得到和用户QoS需求最匹配的较优资源子集。这样既合理地减少了映射的目标资源,又实现了目标资源子集与用户QoS需求的最优匹配。在一定程度上提高了整个系统的性能,满足了不同用户的特殊需求。     

云环境下大规模制造产品生产模式及资源调度研究

为解决大规模定制中因个性化产品需求过多导致批量不足而增加生产成本问题,提出一种云制造环境下涵盖从客户提交制造请求到制造完成的产品定制模式。为解决该模式中涉及的资源调度问题,建立由所有产品制造时间总和最小、制造总成本最低和总合格率最高的多目标优化函数,并使用 NSGA-Ⅱ算法对模型进行求解。使用 3 种无人机协同制造案例模拟该模式运行过程,验证了资源调度模型的实用性和有效性。     

基于遗传算法的多中心海量数据布局研究

数据布局策略作为数据管理的重要方面,对研究多数据中心环境下的数据布局有着重要意义。针对多数据中心的数据检索、更新和全局负载均衡3个目标对数据布局方案进行求解和优化。提出一种改进的多目标遗传算法,该算法以降低多数据中心的数据检索和更新代价作为优化目标,并结合负载均衡作为约束条件。实验显示该算法不仅在数据布局方面有良好性能,而且能够获得较高的资源利用率。     

云计算环境下多媒体资源的权衡调度方法

在云计算环境下对多媒体资源进行优化权衡调度,以提高对多媒体资源的分布式访问和计算能力。传统方法采用网格调度法,随着资源分布网格的增多,导致多媒体资源的分配效果不好。提出一种基于自适应层阶调度的云计算环境下多媒体资源的权衡调度算法。首先构建了云计算环境下的多媒体资源分布结构模型,采用多路复用的网格计算方法实现对云计算数据的融合和特征提取,通过自适应层阶调度实现云计算环境下多媒体资源的权衡调度。仿真结果表明,利用该算法进行云计算环境下多媒体资源的权衡调度,可降低数据丢包率、提高调度准确性、改善云计算性能。     

多信道环境下的偏斜调度策略研究

针对多信道广播中用户访问时间最小化的问题,提出一种偏斜调度策略。该策略引入了近似最优的TOSA算法的高层调度算法,然后将经典的多盘调度算法应用于算法中的低层调度以进一步提高数据广播性能。试验结果表明,该算法有效地降低了用户的平均访问时间．在偏斜数据访问模式下性能更优。     

大数据处理框架中基于MDP的任务调度算法

针对大数据处理框架MapReduce中的任务调度问题,提出一种基于Markov决策过程（Markov Decision Process,MDP）的任务调度算法,通过状态集来描述集群中节点的负载和作业的数据本地性需求,使用状态转移函数表示调度策略对状态的影响,采用值迭代求解算法求取最优策略,实现集群中节点的最优调度．实验结果表明,该算法能够保证数据本地性的同时,减少作业响应时间,提高系统综合性能．     

基于MOEA和SE-DEA的四站器材应急供应策略研究

航空四站器材保障问题一直作为空军航空兵后勤保障工作的重中之重,尤其是应急条件下的器材供应。为了提高航空四站保障分队器材应急供应能力,保证飞行保障和作战任务顺利进行。与传统的追求单一目标的供应方案不同,构建了四站器材供应的多目标优化模型,以同时保证最优的供应时间和满足度。利用一种改进的多目标进化算法(MOEA)对构建的模型进行求解,得到一系列非支配解集作为初始供应方案集。为提高方案的实施能力,以供应时间为输入,以各需求点满足率作为输出,采用超效率数据包络分析法(SE-DEA)对方案集进行评估。从而选出有效方案,大幅缩小了决策集规模。研究表明,该策略可以为决策者提供有效的供应方案,适用于四站器材的应急供应保障决策。     

基于云环境的科学工作流均衡调度算法

为了优化云环境中预算约束下的科学工作流调度问题,提出一种工作流均衡调度算法BDWTS。算法以满足工作流预算约束并同步优化执行代价和执行时间为目标,将工作流调度划分为4个阶段:工作流分级、预算分割、任务选择和实例选择。工作流分级通过自顶向下的方式对所有工作流任务进行分级,预算分割中设计了6种用户预算在不同工作流分级上的子划分方法,任务选择通过最早开始时间原则选择优先的调度任务,实例选择则综合考虑时间因子和代价因子选择最优执行资源。通过仿真实验,证明了该算法可以在预算约束下得到降低工作流执行时间和代价的均衡调度方案。     

长释放时间间隔优先调度算法及其可调度性分析

针对混合任务实时调度的需求和现有混合任务实时调度算法的局限性,提出了一种长释放时间间隔优先的混合任务实时调度算法LRIF,该算法采用固定优先级和动态优先级相结合的调度策略,根据非周期性软实时任务作业到达流分布,将一定比例的软实时任务作业当作硬实时作业调度,除了可对周期性硬实时任务提供调度保证外,同时还可确保非周期性软实时任务的可调度率.还提出了LRIF调度算法的可调度性分析方法,并讨论了LRIF调度算法的实现方法.测试结果表明:LRIF调度算法具有更好的调度性能,可有效调度由周期性硬实时任务和非周期性软实时任务构成的混合实时系统.     

基于小生境的自适应多目标遗传算法求解流水车间调度问题

流水车间调度问题属于NP完全问题。为了更高效地求解多目标流水车间调度这一问题,提出了一种新的混合多目标遗传算法,采用小生境技术、双重精英策略及非劣解局部搜索,并且可根据适应度来自动调节交叉和变异概率。实验表明,该算法具有更快的收敛速度和优化效果。     

高速公路交通救援资源派遣的决策模型与算法(英文)

为了解决高速公路路网潜在事故的救援问题,应用机会成本方法建立资源派遣决策模型.该模型能够调度区域路网的救援资源,获得用于潜在事故救援的救援点与救援车辆数.针对模型的计算复杂性,提出情景分解算法.该算法首先将多资源派遣问题分解为各个单资源派遣问题,然后根据救援需求和资源矩阵,确定所需救援资源的原始情景.最后,通过对原始情景的分解和目标函数的简化,便捷获取资源派遣方案.以南京市周边高速公路路网作为应用实例,验证了所用模型与所提算法的可行性.     

基于语义网格环境的资源共享模型与分布式资源调度算法研究

为解决多资源文件共享和语义网格环境下异构资源共享管理问题,提出了一种新的分布式调度算法。该算法采用语义网格的分布式技术,充分利用资源共享模型实现高效的资源调度。仿真实验表明,该算法具有较好的执行效率。与其它算法相比,在相同任务数量时响应更快。     

工业生产物流供应链大数据资源融合技术

提出一种基于相似度特征匹配和自适应资源调度的工业生产物流供应链大数据资源融合技术。首先构建了工业生产物流供应链大数据资源调度数据处理平台,进行物流供应链的大数据特征采样,对采样的数据流进行相似度特征匹配。采用自适应资源调度方法进行数据滤波和特征融合,以此为基础进行物流供应链的优化调度,以提高大数据的并行处理效率。仿真结果表明,利用该算法进行大数据资源融合效率较高,配准性能较好,执行时间短,性能优于传统算法。     

多巷道堆垛机联合作业调度问题研究

自动化立体仓库作为现代物流技术领域内出现的一种新型仓储方式,在工业生产中发挥着日益重要的作用。自动化立体仓库作业调度往往需要多巷道堆垛机联合作业,根据作业调度相关原则,提出基于时间要求的堆垛机调度算法模型和优化调度的三个目标,运用遗传算法实现多目标的优化,采用矩阵编码和不同目标互相交叉的方法,解决多巷道堆垛机联合作业优化调度问题,突破了传统的仅对单目标进行优化的特点。     

多级反馈队列调度算法及其在网络购票系统中的应用

为了满足人们购买火车票的各种个性化需求,把多级反馈队列调度算法运用到购票系统中以优化现有系统。该算法将时间片轮转算法和优先级调度算法综合,是较好的进程调度算法。它可以动态调整进程的优先级和时间片的大小,不需要事先估计各种进程所需执行时间,满足各种类型进程的需要。通过深入研究多级反馈队列调度算法原理、队列和进程的关系,分析此算法优势,将其应用于火车票网络购票系统中,对购票系统进行了优化,以满足不同类型需要。