基于空间时间冗余的替代主版本冗余调度算法

目的 研究空间冗余与时间冗余各自的特点,提出一种将时间冗余与空间冗余方式的优点相结合的容错调度算法,提高调度算法的处理器利用率.方法 将每个任务分为主版本、副版本和替代主版本.根据任务利用率将任务集分为高频任务集和低频任务集两类.分别采用空间冗余和时间冗余策略实现容错.采用EDF算法为任务分配动态优先级,且在主版本任务频繁发生错误的情况下激活替代主版本.结果 所提算法将空间冗余与时间冗余相结合,满足任务的实时与容错需求,且避免系统因频繁执行一个易出错的主版本任务而造成资源的浪费.结论 该算法降低了任务集对系统处理器数量的需求,提高了系统资源利用率.     

基于回卷恢复的数控系统实时容错调度策略

针对数控系统对时间确定性和可靠性的要求,建立混合关联任务集描述模型,提出了基于回卷恢复机制和最佳优先（BF）算法的容错调度策略.该策略对数控系统关键任务的执行过程进行周期性分段验证,通过保存正确的检查点状态,使得出现瞬时故障时任务可以从检查点开始继续执行,从而以较低的计算损失达到容错的效果.与传统的实时容错调度算法相比,基于回卷恢复机制的容错调度策略能很好地适用于数控系统多类型任务并存和任务间相互约束的特点,同时,通过降低错误恢复所需的时间开销,有效地提高了系统的资源利用率.该算法应用于数控系统的有效性在实例分析和算法模拟研究中得到验证.     

DVS系统硬实时周期任务动态调度算法

与实时任务的可调度分析不同,实时DVS调度在保证任务截止时间限制同时,还要关注任务执行的处理器功耗。功耗研究一段时间的累积效果,传统基于最坏执行时间的任务调度模型不能满足实时DVS调度需要。该文采用实际执行时间(AET)概率分布建立实时任务调度模型,利用随机分析的方法分析AET分布对实时DVS调度算法性能的影响,提出了基于平均执行时间的实时DVS动态调度算法。实验结果表明,该算法在任务具有不同AET分布情况下可保持稳定的功耗性能。     

基于非精确计算模型的OSL算法

目的研究多处理机系统任务分配的启发式策略和容错调度算法,设计一种高效实时调度算法．方法只对任务强制部分进行复制,将任务分为强制执行部分主版本PTMi、强制执行部分副版本BkMi．和选择执行部分Oi,采用可选择部分后调度．结果提出了可选择部分后调度（Optional Scheduling Later,OSL）算法,通过实例与ICDM算法进行了仿真比较,说明了该算法的有效性．结论该算法使任务的完成时间提前,提高了处理机的利用率,便于广泛应用．     

最迟预分配容错实时调度算法设计与分析

提出一种多类型任务集的容错实时调度算法,详细分析该算法的调度机制,证明了该算法的正确性,并给出了该算法的可调度条件,最后通过模拟实验分析了算法的性能。实验表明,调度算法的性能与系统负载、任务出错概率、任务的计算时间等系统参数相关。     

非抢占式实时任务1次容错调度

面向非抢占式任务实时调度问题,根据不同的故障间隔,推导出任务集合需要满足的条件.根据任务的可重复执行次数,分别设计了非抢占式固定优先级容错(NP-FP-FT)以及动态优先级容错(NP-DP-FT)调度算法,并与非抢占式最早期限优先容错(NP-EDF-FT)、非抢占式单调速率容错(NP-RM-FT)调度算法进行了对比分析.结果显示,采用非抢占式固定优先级算法调度的任务集合具有最低的任务失效率.     

多类型任务集的容错实时调度算法

针对以往容错实时调度算法只能调度单一的具有容错需求任务的情况,建立了一种单处理器上的容错实时调度模型,并提出了相应的容错实时调度算法。该算法不仅能同时调度具有容错需求和无容错需求的周期实时任务,还可调度随机性非周期任务,其适用范围广泛。     

基于Linux的多媒体任务调度算法

为了在Linux系统中实现对多媒体任务灵活有效的调度支持，作者引进并实现了多媒体任务模型ARB．与周期任务模型、零星任务模型等传统实时任务模型相比，对ARB任务模型做了如下几方面的改进：（1）不需要预先知道任务的计算资源需求量或最坏情况执行时间，以满足多媒体任务对资源需求动态多变的特点；（2）任务相邻两次执行之间需要满足一定的时间距离约束，以确保多媒体任务的执行延迟和抖动，使执行结果更为流畅；（3）多媒体任务以指定的速率执行，且该速率在任务执行过程中可以动态调整，以适应用户需求和系统可用资源的动态变化，在具体的内核调度算法实现中支持执行速率、截止期限、周期等重要实时任务属性的定义．实验结果表明，基于ARB，Linux内核可以为多媒体任务提供如下调度支持：（1）保证任务以指定的速率执行，且速率在任务执行过程中动态可调；（2）通过任务执行时的时间距离约束，保证任务的执行延迟和抖动；（3）通过准入控制和自适应QoS协商机制，实现资源的动态请求．因此，基于ARB任务模型，Linux内核不仅可以实现对多媒体任务灵活有效的调度支持，而且使得这些任务具有较好的可控性．这一点对实时任务很重要，有助于提高实时任务的可确定性，此外对于系统资源的合理分配以及充分利用具有重要意义．     

多处理器实时系统中的非精确轮转式调度算法

目的研究基于多处理器实时系统中具有截止期和容错需求任务的非精确轮转式调度算法,使强实时系统在发生故障的情况下,任务也能在其截止期内完成,不至产生灾难性后果.方法将非精确计算模型引入到轮转式调度算法中.结果仿真实例表明,非精确轮转式调度算法具有更低的任务拒绝率,同时能更为有效地利用系统资源.结论该算法扩展了轮转式调度算法的允许调度定理,使得主/副版本任务在执行时间上可以重叠,提高了任务的可调度性,使整个系统负载均衡,并减少了系统搜索时间.     

实时分布系统的动态容错调度算法

分布系统中如何保证具有容错需求任务的实时性是一个具有挑战性的课题,目前针对不同的应用背景已产生了一些有意义的研究成果,但当任务的截止时间不足以让主、副两版本分别单独运行时,尚未作处理.这里提出了基于PB的改进时间冗余的启发式动态容错调度算法FTPB,在算法中根据任务的开始时间、执行时间、截止期限之间的内在关系,分别采用副版本主动复制与被动复制策略,使系统在不增加额外资源的前提下,既有较好的容错能力,又有效地利用CPU资源,同时还能提高任务的接受率.模拟实验结果表明:算法FTPB优于同类其他算法,具有较好的实用价值.     

高速旋转相控阵雷达基于资源预规划的任务调度算法

针对传统时间指针调度算法应用于高速旋转相控阵雷达任务调度时,任务执行时间偏移率高引起探测性能下降的问题,提出一种资源预规划的任务调度算法。首先,按照调度间隔对应的任务扇区进行资源预规划,将任务饱和扇区的任务按照时间偏移率最小原则调配到相邻空闲扇区,在任务调度阶段根据扇区总资源限制优先选择高优先级任务;然后,根据任务期望执行时刻排序形成任务执行列表。该算法时间利用率高于传统的算法,任务执行偏移率低于传统算法,工程实现简单、计算量低。仿真实验表明了算法的正确性和有效性。     

基于资源分组的多约束云工作流调度算法

已有的云工作流调度算法采用全局搜索方式进行资源选取,存在计算成本高、对大规模云系统适应性差的问题。该文提出了基于资源分组的多约束云工作流调度算法,采用有向无环图的方法,对云工作流中的多任务之间的执行顺序和数据交换等属性进行量化建模;使用模糊聚类方法实现基于资源多维特征的分组处理,降低工作流任务到资源匹配过程中的搜索空间;并引入执行时间和成本预算约束,将工作流的任务调度问题转化为有约束条件的极小极大问题进行快速求解。仿真测试表明,该算法显著降低了任务执行完成时间和成本。     

DAG任务模型的粒子群优化调度算法

在并行多处理器系统中,通常用有向无环图(DAG)表示任务之间的依赖关系.为了提高该任务模型调度算法的性能,基于粒子群优化算法,提出一种新的调度算法.算法将任务高度和粒子位置作为任务优先级,使用表调度策略生成有效的调度方案,在满足任务间依赖关系的条件下,使所有任务的完成时间最小.仿真实验结果表明,与遗传算法相比,所提出的算法提高了解的质量和收敛速度,特别适合于规模较大的多处理器任务调度.     

一种基于拟序的关联备份任务调度算法

为了减少存储备份任务的执行时间和提高整个存储系统的效率，提出了一种新的SAN体系结构——基于集群技术的SAN体系结构，并在其结构上提出并实现了关联备份任务的数学模型和实现该模型的核心调度算法。该算法的基本思想是对投入的关联备份任务找到一个最优的执行顺序，以便提高整个系统的性能。实验数据表明，对于关联备份任务的调度与执行，该算法可以有效提高整个系统的效率。     

负载自适应的异构MPSoC任务调度算法研究

在异构MPSoC中,并行任务通过调度算法被分配到各个处理器核上运行,因而任务调度算法的优劣将直接影响异构MPSoC的应用性能。根据处理器核类型和任务间依赖关系,以减小任务间通信开销为目标,提出一种具备负载自适应能力的异构MPSoC任务调度算法。首先,将待调度任务集划分为多个并行任务子集;其次,在考虑处理器核负载的基础上,根据并行任务子集集合、处理器核集合及任务子集在各个核上的执行效率生成赋权二部图;最后,利用赋权二部图最大权匹配方法,将并行任务子集合理地调度到负载适应的处理器核上运行,以降低任务集的平均调度长度,并提高处理器核利用率,从而实现异构MPSoC应用性能的提升。仿真实验在不同的任务总数、任务最大前驱数、核类型、核数量的应用场景下,通过任务集平均调度长度、处理器核利用率两项指标对提出算法进行了定量分析。结果表明,提出算法能有效降低任务集平均调度长度,在实现负载自适应的同时提高异构MPSoC处理器核的利用率。     

基于改进蚁群算法的网格资源调度

针对网格资源的分布式共享,提出了一种改进的蚁群算法,并用于网格资源调度中. 在算法中引入了资源节点的可信度,并作为蚂蚁残留的信息素评估要素之一,通过对可信度的评估,在一定程度上增强了蚁群算法的搜索能力和网格资源的可靠性. 在算法中设计了局部和全局信息素更新机制,实现了各资源节点上的负载均衡. 通过选取适当的参数,利用GridSim工具对基于改进蚁群算法的网格资源调度策略进行了仿真实验测试. 实验结果证明,该策略能有效地提高网格系统资源的利用率和任务提交的成功率,缩短了整个网格系统调度的总执行时间,改善了网格系统的性能.     

基于改进蚁群算法的网格资源调度

针对网格资源的分布式共享,提出了一种改进的蚁群算法,并用于网格资源调度中. 在算法中引入了资源节点的可信度,并作为蚂蚁残留的信息素评估要素之一,通过对可信度的评估,在一定程度上增强了蚁群算法的搜索能力和网格资源的可靠性. 在算法中设计了局部和全局信息素更新机制,实现了各资源节点上的负载均衡. 通过选取适当的参数,利用GridSim工具对基于改进蚁群算法的网格资源调度策略进行了仿真实验测试. 实验结果证明,该策略能有效地提高网格系统资源的利用率和任务提交的成功率,缩短了整个网格系统调度的总执行时间,改善了网格系统的性能.