一种分布式工作流引擎负载均衡的调度算法

提出了一种在异构环境下负载均衡调度策略,来解决各节点执行引擎负载不平衡的问题.新的调度策略与轮询算法相比,更加能够保证各执行引擎之间负载保持平衡.此外,当多引擎之间任务调度出现不平衡的状态时,该调度算法能动态地调整各节点引擎之间的负载,使之达到平衡状态.     

基于任务属性组合的工作流调度时间优化算法(英文)

为了缩短工作流调度完工时间,提出3种列表调度算法:分级和出度最早完成时间算法(LOEFT)、分级异构选择值算法(LHSV)和异构优先最早完成时间算法(HPEFT).主要思想是利用任务深度,融合任务出度来准确分析任务优先级,精确分配处理器,实现时间优化.算法均分为3个阶段:任务分级、任务排序和处理器分配.任务分级阶段,依据任务深度将工作流划分为若干独立的任务集;任务排序阶段,利用任务出度计算出任务的异构优先排序值(HPRV),并据其降序生成任务队列;处理器分配阶段,将排序排列任务逐一分配至使其完工时间最小的处理器,完成任务-处理器的映射.通过实际应用和随机工作流仿真,证实3种算法可以有效地缩短工作流的完工时间,且LOEFT表现最好.任务深度结合出度是缩短工作流调度完工时间的有效手段.     

云计算环境下的一种并行任务调度负载均衡算法

云计算是在其虚拟化技术之下提供动态可扩展性资源,通过互联网提供服务的一种并行计算技术。本文提出了一种基于云计算环境下的一种并行任务调度负载均衡算法(Parallel Task Scheduling Balancing Algorithm)。实验结果表明,该算法在负载相对均衡的前提下,在响应时间和执行时间方面有较好的表现,能有效地满足用户需求的服务水平。     

一种基于混沌思想和邻域探测机制的PSO算法

在分析基本PSO算法早熟收敛原因的基础上,提出一种基于混沌思想和自适应邻域探测机制的粒子群优化算法（CANE-PSO）.该算法先引入混沌思想对粒子种群进行位置初始化,以提高初始种群的多样性,再引入随机的邻域探测机制,并引入全局极值变异算子,增强了算法的全局搜索能力.通过与其它三个改进算法比较,结果表明CANE-PSO优化效率有较大的提高,较有效地避免了早熟收敛问题.     

基于蜻蜓算法的微电网多目标优化调度

可再生清洁型新能源能量的随机波动会影响主电网的稳定性,然而有效的能量优化管理能提高供电的可靠性和经济性。文章主要对含有风、光、蓄、柴和微电网并网模式下的典型日优化调度。利用蜻蜓算法从发电成本和环境污染角度对模型进行优化,并将粒子群算法得到的典型日各个时段出力构成图和发电成本进行比较。对比结果表明证明了所建立的模型的切实性和蜻蜓算法相对粒子群算法应用在微电网优化方面的优越性。     

基于PSO算法的OSPF多约束路由策略

利用传统SPF算法解决OSPF网络路由难题时,由于没有考虑多约束条件和有效利用次路径,一旦最优路径发生拥塞,网络传输性能将急剧降低。将PSO算法应用于OSPF网络路由规划,利用多约束条件并结合OSPF网络多种路由参数的特性,重点对有效改善网络局部拥塞和快速求得全局最佳路由及若干次路由算法进行探究,并利用仿真数据对所提出的改进算法进行验证。结果表明,在解决OSPF网络路由规划问题中,PSO算法较传统遗传算法和SPF算法能实现网路传输性能更优。     

一种工作流时间异常的自适应调整算法

对时效性和柔性要求较高的多实例工作流系统,在出现时间异常时,通过计算实例的完成进度,控制后续活动的完成时间,可实现实例的自适应时间调整。同时结合实例的完成进度设计资源的任务选择策略,可最大限度的保证实例的完成率。     

一种基于MVC架构的工作流管理系统的实现

提出在MVC架构中实现符合WFMC标准的工作流管理系统的方法,介绍了工作流建模、工作流引擎的功能和实现方法,并举例说明了如何在MVC框架中运用工作流管理系统。     

Eucalyptus中基于能量消耗的调度算法研究

能量消耗是云计算研究中一个十分重要的问题,介绍了开源云项目Eucalyptus,分析了其核心调度算法及在考虑能量消耗的应用场景中存在的问题,利用虚拟机在线迁移技术提出了基于能量消耗的调度算法。实验证明,基于能量消耗的调度算法性能优于Eucalyptus现有的核心调度算法。最后总结了需要进一步提高的方面。     

基于两阶段动态目标的云工作流调度

为了解决云环境中截止时间约束下工作流调度代价优化问题,提出一种基于两阶段动态目标的工作流调度算法TDO-PSO。算法以粒子群进化为基础,定义了工作流任务与资源间的编码机制,设计了满足工作流目标优化的适应度函数。同时,为了适应紧密截止时间约束时可行解搜索困难的问题,设计了两阶段动态目标的搜索模式。在第一阶段,当无法得到可行解时,将满足截止时间约束的最小化执行时间设置为优化目标;在第二阶段,如果获得了可行解,则设置满足截止时间约束的最小化执行代价为优化目标。实验结果表明,TDO-PSO算法不仅可以得到更小的执行代价,且更能够适应紧密截止时间约束。     

遗传算法在云任务调度中的应用

云任务调度的目的是快速找到全局最优解.将多个云任务合理的分配给有限的资源上,使得整个任务的完成时间较短.文中主要介绍了遗传算法在云任务调度中的应用.通过仿真实验分析了采用精英策略的遗传算法和没有采用精英策略的遗传算法在云任务调度中的不同.     

基于改进蚁群算法的QoS约束云任务调度

在研究现有云环境下独立任务和工作流任务调度模型的基础上,提出一种满足QoS约束的部分相关任务调度模型,并改进蚁群算法为每个子群选择信息素更新方法,通过小范围局部优化从而获得整体最优解。CloudSim仿真结果表明,该调度模型具有较高的收敛性和寻优能力,适用于云环境下任务调度。     

云环境下结合改进粒子群优化与检查点技术的容错调度算法

云计算环境中任务执行容易受资源故障影响,导致调度效率与成功率降低。针对该问题,提出一种结合改进粒子群优化与检查点技术的容错调度算法。通过改进粒子群优化算法进行全局搜索,寻找粒子群最优解,以保证任务获取最优资源,减少调度复杂度;同时通过设置检查点,使失效任务从检查点继续执行,实现任务动态恢复,提高调度可靠性。仿真实验表明,与传统算法相比,当任务数量不断增加时该算法可提高任务执行成功率,缩短任务执行时间。     

基于PSO的控制系统中周期性任务的优化调度

控制系统中任务的调度不仅影响系统的资源利用率,而且影响系统的控制性能。首先分析了周期性实时任务,并给出了任务模型。基于此,采用了EDF调度算法。根据系统的性能指标与任务的采样周期的关系,采用粒子群算法对系统性能进行优化。仿真结果表明,这种算法是有效的。     

粒子群算法在重载齿轮多目标设计中的应用

粒子群优化算法是一种基于群智能的优化方法,规则简单,收敛速度快.将此算法应用于重载齿轮的多目标优化设计,建立基于粒子群优化算法的重载齿轮多目标优化设计的数学模型,实践表明可以快速、有效地求得齿轮优化解.     

基于工作流技术的LIS设计

为解决现代土地管理面临的工作量大、效率低的问题,在土地管理信息系统中引入了工作流技术.主要阐述了如何用工作流描述和管理土地业务,并对基于工作流的土地信息系统的构架进行了设计.     

工作流技术在办公自动化系统中的应用

在办公自动化系统中应用工作流技术,可以有效的对当前组织机构或业务流程改变时进行改变,增强办公自动化系统的适应性.着重讨论如何将工作流技术与办公自动化系统相结合以实现自定义业务流程的通用灵活的办公自动化系统.     

基于动态权值的PSO算法的多传感器数据融合

针对标准粒子群算法的缺点,在原有算法的基础上,提出一种动态权值的粒子群优化算法,使得粒子在迭代过程中惯性权值随粒子进化度和聚合度的变化而改变,并将其尝试性的运用到数据融合领域．实验结果表明,改进的PSO算法能近似最优地确定数据融合中各权值因子,使融合在信息源的可靠性、信息的冗余度／互补度以及进行融合的分级结构不确定的情况下,以近似最优的方式对传感器数据进行融合．