绿色云计算的任务调度与能耗优化机制研究

云计算技术的日益更新,使得云计算服务的用户规模也不断增大,但其中存在许多不合理的任务调度策略,从而导致了大量的能源浪费。绿色云计算根据用户需求,针对任务调度模块提出一种行之有效的实施方案,从而降低云计算系统能耗。基于负载均衡机制和动态任务调度策略,设计了一种绿色云计算体系结构和能耗优化模型。实验结果证明了该方法的可行性和有效性。     

大规模网络管理中的任务分解与调度分析

本文以任务分解与任务调度为研究对象，着眼于大规模网络管理实际情况，建立在Agent基础之上，首先针对大规模网络管理中的任务分解算法进行了详细分析，在此基础之上简要研究了大规模网络管理任务调度的基本策略，旨在于为今后相关研究与实践工作的开展提供一定的参考与帮助。，     

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.     

改进SFLA算法在云计算资源调度中的应用

为了提高云计算任务调度的效率,采用改进的SFLA算法实现任务调度。本文先对云计算任务调度原则和调度策略进行了分析,接着对SFLA算法基本原理及数学模型进行了详述,并提出了智能群体算法和自适应SFLA混合的改进SFLA算法,最后运用实例仿真验证该算法在云计算调度中的性能,与传统SFLA算法比较,改进算法在云计算调度中具有更快收敛性和更高精确性,具有一定的研究价值。     

基于资源结点性能预测的启发式调度算法研究

网络的任务调度策略的好坏将直接影响网格系统的性能。在分析已有启发式任务调度算法的基础上,设计了一个资源节点性能预测模型,在此模型基础上提出了一种基于资源结点性能预测的任务调度算法。仿真实验结果表明,该算法可使任务的总的完成时间减小,当处理任务量相同的情况下,能使得系统资源的利用率得到提高,这表明本算法是有效的,更适用于高吞吐量应用任务调度问题的解决。     

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。     

一种针对非平稳网络任务调度防冲突算法研究

利用传统算法进行非平稳网络任务调度,由于非平稳网络的随机性增加,很难建立准确的任务调度模型,导致任务调度的失败。为了避免上述缺陷,提出了一种基于二叉树搜索算法的非平稳网络任务调度防冲突方法。根据非平稳网络中的相关参数,对网络信道中的数据量进行预测。利用二叉树搜索方法,对非平稳网络任务调度进行防冲突运算。实验结果表明,利用本文算法进行非平稳网络任务调度防冲突运算,能够极大地提高非平稳网络任务调度防冲突的准确性,保证了非平稳网络的性能。     

Multi-Agent系统基于优先级的负载均衡任务调度模型*

从企业收集、监测互联网信息的实际需求出发，介绍基于Multi-Agent的分布式信息采集系统的结构模型；重点阐述中心控制Agent在组间层次上、调度Agent在组内层次上基于优先级的任务调度算法；为达到系统中运行任务Agent的各节点主机负载均衡，给出调度Agent与任务Agent间的组内协商机制；对系统原型的测试结果表明，基于优先级的负载均衡任务调度模型的正确性与有效性。     

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.     

基于网格平台的实时任务调度算法

网格任务调度的目标是在最短的时间内将任务进行合理分配并实现负载均衡,最终得到实现全局的最优化调度方案.本文提出了一种兼顾任务之间的依赖关系和负载均衡的网格任务实时调度算法.首先,将网格分成若干个簇,每个簇由PC机、任务调度模块、任务控制器、数据集控制器以及数据存储器组成.簇负责接收用户提交的任务,将这些任务存放在本地任务队列中.通过对任务依赖关系的分析,将任务分配给网格的簇,并根据任务的截止期和依赖关系计算任务优先级,优先调度优先级高的任务.仿真实验表明,在Makespan和花费方面,本文算法都优于传统的Min-Min算法.