基于RBF-DE的改进蚁群算法和多QoS约束的云资源调度策略研究

云计算属于分布式计算,资源调度是其核心问题。QoS(Quality of Service)一直是衡量分布式计算的一个标准。建立多QoS目标约束的云资源调度模型,同时引进高斯核函数以及差分进化法对蚁群算法进行改进,并运用改进后的算法对模型求解;最后,通过Cloudsim模拟系统模拟,结果显示运用该策略进行资源调度时,平均完成时间和成本都比较小。     

基于多目标决策的LTE下行资源调度算法

为了满足不同环境对资源调度性能的不同要求,提出一种基于多目标决策的下行资源调度算法。该算法采用运筹学中多目标决策理论思想,在每个TTI调度时,把吞吐量、公平因子和丢包率3个指标作为决策准则,MAX C/I、Max Min和FIFO改进调度算法作为备选方案动态进行决策,实现性能可调的资源调度算法。仿真结果表明：该算法是一种可满足不同需求的调度算法,可根据需求矩阵调整算法性能。     

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。     

基于改进网格模拟器的DBC优化调度算法研究

网格资源调度策略是网格计算领域中的关键研究方向之一.网格模拟器是资源调度策略优化和改进研究的重要平台.本文阐述了GridSim模拟器的整个框架结构和运行机制.分析了其不足,并加以改进形成新的模拟器DSSim.还对基于市场经济模型的DBC:优化调度算法进行了改进,并通过新模拟器DSSim进行了相应的模拟.模拟结果表明,改进后的算法无论在任务平均完成时间还是任务的完成率上都优于以前的优化调度算法.     

多资源约束作业车间调度问题的模型研究

在柔性作业车间调度问题模型的基础上,针对资源约束作业车间调度问题及多目标柔性作业车间调度结合的问题,建立了资源约束下多目标柔性作业车间调度问题的数学模型,提出了启发式活动调度算法与遗传算法结合来对模型进行求解。选择操作采用轮盘赌选择方式;交叉操作采用基于活动启发式算法的交叉算子;变异操作采用基于领域搜索的变异。最后分析了一个具体调度结果实例。     

分布式环境下的自动并行化调度算法

要充分利用因特网的空闲计算机CPU资源,必须建立分布式环境下的自动并行化系统.但传统的并行调度算法对于这种系统并不适用.为解决这个问题,文章探讨了分布式并行环境与传统并行环境的差异,尝试地提出分布式环境下的自动并行化调度算法.在分布式环境中,结合自动并行化系统使用该调度算法能够维持算法较高的加速比.     

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。     

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。     

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SLA的云计算资源智能调度实验设计

为了更好地提高云计算资源的利用率,设计了基于服务等级协议(ServiceLevel Agreement,SLA)的云计算资源智能调度实验,从分配成本、迁移成本和违约成本三方面构造了云计算资源智能调度的成本函数,并将蝙蝠算法应用到云计算资源智能调度过程中,进行资源智能调度寻优,达到资源调度代价最小的目的。最后通过CloudSim云平台进行模拟仿真,结果表明该实验方法明显优于传统的粒子群调度算法,在执行成本、资源利用率方面都有很大改进,提高了云计算系统的资源调度能力,是一种有效的调度方法。     

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。     

一种基于CPU占用率的嵌入式系统网络处理调度算法

物联网、云计算飞速发展,众多嵌入式设备需要接入网络,但是嵌入式设备性能和资源有限,过多的注意网络数据的处理,往往占用处理器过多,降低系统整体性能。为了实现终端IP通信和合理调度网络处理对系统中CPU的占用,采用Xilinx公司的FPGA系统平台,移植了瑞士计算机科学院发布的μIPv6协议栈,并提出了基于CPU占用率的嵌入式系统网络处理调度算法,进行验证,可以优化实验平台的嵌入式系统性能。     

混合关键级任务资源需求的概率性分析

混合关键级系统可调度性分析通常基于最坏情况执行时间,导致系统资源的过度预置和低关键级模式下的分析过于苛刻.为解决资源过度预置的问题,简化低关键级模式下的可调度性,针对单核处理器上EDF调度的混合关键级零星任务集,提出随机需求约束函数模型.分析了混合关键级系统的概率性资源需求,得到相应的可调度性条件,并在尽可能增加低关键...     

基于校园网格的资源调度模式

探讨了校园网格平台的架构,分析了网络资源调度模式,改进了多级资源调度算法。     

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。     

资源约束条件下多模式项目调度问题研究

本文建立了多模式资源约束下的项目调度问题MMRCPSP的优化模型。该模型是对传统的单模式资源约束下的项目调度问题RCPSP更接近实际的拓展，设计并编写了启发式遗传算法求解MMRCPSP模型，并用数值实例说明了模型的合理性和算法的有效性。     

蚁群动态调度算法在混流车间作业调度的应用

混流车间作业调度是实际生产环节中的一个重要问题,也是制造系统生产管理的核心,同时实际的生产系统是一个动态生产环境.文中提出蚁群动态调度算法,通过实例具体分析并且跟传统的启发式算法相比较,实验结果证明蚁群动态调度算法对混流车间作业调度问题有较优的加工路径.     

云计算环境下基于蚁群优化算法的资源调度策略

云计算是当前国内外企业与研究机构研究的重点,是下一代网络应用的新兴与主流技术。资源调度作为云计算中的关键问题,研究怎样将用户提交的任务合理地分配给各个计算节点同时能够兼顾计算结节的动态扩展性。本文提出运用蚁群优化算法进行资源调度,综合考虑任务完成时间和计算成本优化问题,建立数学模型,是一种有效的资源调度算法。     

基于RTLinux的实时调度算法改进及实现

RTLinux是一个具有实时内核的Linux操作系统.很适合在其上实现各种实时调度算法,文章分析了RTLinux的工作原理和已实现的调度算法,分析了其不足,提出了用EFDF对其进行改进.并介绍了在RTLiux上如何实现可达截止期最早的调度算法.通过在RTLinux系统中的实现,证实了该算法的有效性.     

基于模拟退火算法的云计算资源调度模型

针对云计算平台的特征,提出基于模拟退火算法建立云计算资源调度模型。模拟退火算法在保证用户公平性的前提下,以缩短总任务的完成时间及提高用户满意度为目标。通过仿真实验,在相同硬件环境下对比分析模拟退火算法与传统遗传算法的资源调度性能。结果表明,模拟退火算法在收敛速度和用户满意度方面均优于传统遗传算法,更加适应云计算环境。