基于动态双向优先级的任务分配与调度算法

提出了一种基于动态双向优先级的任务分配与调度算法,称作动态双向优先级(DDDP)算法。该算法综合考虑了实时任务的优先级和子机的优先级,构造了动态双向优先级任务分配模型,实现了数据传输中主机/子机模式的任务动态分配与调度。在模拟实验中,通过使用正常负载和过载情况下的典型数据对算法进行仿真研究表明,这种算法比单纯考虑截止期的EDF算法在性能方面有明显的改进和提高。     

基于实时优先级的队列调度策略研究与验证

传统的基于实时优先级的网络调度策略,一般只是考虑在优先级不同的情况下按优先级值的大小顺序来转发数据帧,在优先级相同的情况下轮流转发数据帧。但是在后者的情况下,长度相对大的数据帧的优先发送往往会加大数据传输的延迟。针对此问题提出了一种改进的算法。并在一种网络模型中验证了此算法的优点。     

一种概率-优先级的分级调度算法研究

在优先级队列调度算法中,队列均需要划分严格的优先级.但考虑到实用网络中,存在着某些队列对时延和丢包要求相近、无法明确区分优先级的情况,提出了一种概率-优先级的分级调度算法:按照队列对时延和丢包的要求进行分组,确定组间的优先级;组内进行基于概率的二级调度;组间进行优先级的一级调度.与优先级队列调度算法相比,该算法保证高优先级数据组的时延性能和丢包性能的同时,整体提高了低优先级数据组的丢包性能.     

物联网环境下具有顺序约束关系的静态任务表调度算法

针对物联网异构调度环境下并行计算的静态任务调度问题,提出了一种基于最早完成时间策略改变调度顺序的表调度算法HDPTS。该算法针对现有表调度算法在调度前不能准确地确定调度顺序的问题,在IHEFT算法的基础上添加了一个动态优先级调度策略,当节点的前驱任务都已经完成调度任务时,就改变该节点的调度优先级。任务优先级的计算在所有前驱任务到达这个任务的最晚完成时间与所有资源上最大可以使用时间之间取最大值的基础上,同时考虑到分配到各个资源上的任务对后继任务的影响和资源上的负载情况,以及上行权重的计算值和对出口任务的影响,使得优先级计算更加合理,能够根据任务分配动态合理改变任务调度顺序。通过随机生成一个算例进行测试,结果表明HDPTS比IHEFT、HEFT在调度长度方面减少14.29%;对大量随机产生的特定结构的有向无环图(DAG)进行测试,测试结果显示HDPTS算法比IHEFT、HEFT和LDCP算法更有效。     

OSEK实时操作系统任务调度的优化

分析OSEK/VDX规范所定义的实时操作系统的任务状态及其调度过程;采用最早时限优先调度(EDF)算法对基于优先级的占先调度算法进行改进,得到改进算法--优先级时限优化调度法;运用差分时限链对优化算法进行实现,并对其有效性进行了对比分析.     

基于优先级的数据流数据库实时事务调度算法与实现

数据流数据库系统中的持续查询事务存在着依赖及算子共享的复杂关系．提出了基于综合事务空闲时间与价值的优先级调度算法．在算法中充分考虑了有依赖关系与共享算子的实时事务对事务优先级的影响．利用有关联的双链表给出了算法的实现，包括事务的接收策略与事务完成／夭折算法的实现．最后在GStream系统中，从累积实现价值率和差分截止期2个方面实验了算法的性能，实验表明LSV算法相对于RR算法、LSF算法、HVF算法都有很大的改进．     

基于综合因素的P2P流媒体数据调度算法

为了提高P2P流媒体数据传输的效率,提出一种基于综合因素的P2P流媒体数据调度算法,该算法综合考虑数据块的提供者数量和紧急程度定义数据块优先级,并对与提供者之间的网络带宽进行有效估计,根据优先级和带宽调度P2P数据请求的次序和方向。仿真结果表明,该调度算法在节点吞吐量和系统连续性指标以及启动延迟方面比传统的P2P流媒体调度算法有明显提高。     

基于链路可靠性的两跳QoS路由

针对工业无线传感器网络对路由协议的QoS要求，研究了一种基于链路可靠性的两跳QoS路由（Link-Reliability Based Two-Hop Routing for QoS Guarantee in Industrial Wireless Sensor Networks， LRTHQR）.采用两跳速度策略和数据优先级调度策略提高实时性，采用改进的信任评估模型以选择可信路径进行路由，采用基于接收功率的链接概率和数据包重传次数作为衡量链路可靠性的指标，同时采用能够综合考虑节点剩余能量和转发能耗的转发策略，以改善网络寿命.仿真结果显示：与未考虑链路可靠性的NCSRT （NodeCredible Security Routing for IWSN Based on THTR）算法相比， LRTHQR算法在丢包率、时延以及包平均能耗方面有着明显优势；与同样侧重QoS要求的LRTHR （Link-Reliability based Two-Hop Routing）算法相比， LRTHQR算法在截止期错失率、路由开销以及包平均能耗方面有着显著提升.     

实时嵌入式操作系统μC/OS-II内核的分析与改进

基于源码公开的实时嵌入式操作系统μC/OS-II及对内核的分析，该文对μC/OS-II的调度算法提出了改进，即扩充了任务数目，采用了任务分类的方法，使其能支持多于64个任务的调度。并可根据实际要求，对任务分组采用不同的调度算法，同时在整体上保持优先级调度模式。该文给出了局部时间片轮转调度和优先级调度算法的实现。     

一个ERTOS中TCP层任务互斥问题的研究与改进

本文在分析了嵌入式实时操作系统WebitOS及其协议栈的TCP层发送和接收的基础上，指出了在基于静态优先级调度的实时抢占式系统中，负责TCP发送和接收的两个任务，在对TCP连接的同一个Socket进行操作时，如果这两个任务的优先级不同而发生抢占．就会使得Socket的状态出现异常．并导致TCP发送失败。为此，提出了动态改变优先级和在TCP层建立独立的发送任务两种算法，并对这两种算法进行了分析和评价。     

数据中心实时交换系统的研究与实现

针对数据中心对信息实时交换系统实时可靠传输数据流的应用需求,分析了数据中心传输数据流的特点,设计了实时交换系统架构,重点研究了信息系统可靠、实时传输数据的方法。采用线程控制模块和消息同步阻塞I/O模型实现了并发数据流的处理,基于循环缓存机制和双系统同步技术解决了突发数据流易丢包的难题,保证了系统的可靠性。为了确保经过数据中心的数据流的实时传输,减少系统处理过程中产生的时延,提出了QPTS(队列优先级驱动的任务调度)算法。该算法兼顾优先级、截止时间和剩余包数,实现了数据流的按需调度,提高了系统对交换数据流的处理速度。测试结果验证了算法的有效性以及系统的实时性和可靠性。     

车联网数据流的多维服务质量改进异构计算最早完成时间调度算法

针对车联网中数据流分布式处理的调度问题,提出了多维服务质量(QoS)改进异构计算最早完成时间(HEFT)调度算法.首先,分别建立了车联网中数据流的分布式处理任务的带权有向无环图模型和车联网分布式计算资源的七维QoS属性带权无向拓扑结构图模型.其次,改进经典的HEFT调度算法中的列表构造方法为最高层最小后继任务优先列表构造方法; 同时,将车联网分布式计算资源的七维QoS属性进行分组、降维,转化为两维综合属性优先权:计算性能优先权和通信性能优先权,形成了两种不同用户偏好的多维QoS改进HEFT调度算法.最后,通过算例分析表明:两种不同用户偏好的多维QoS改进HEFT调度算法综合性能优于经典的HEFT调度算法和轮询调度算法.     

基于排队网络的多优先级MapReduce作业调度算法

MapReduce是一个能够对大规模数据进行分布式处理的框架,目前被各个领域广泛应用。在提供MapReduce服务的集群中,如何保证不同优先级用户的截止时间限定是MapReduce作业调度问题的一个挑战。针对这一问题,提出了一个基于排队网络的多优先级作业调度算法（MPSA）。首先分析和归纳了基于MapReduce模型的算法,提出了三种常见模式,采用Jackson排队网络对基于MapReduce模型的算法建立了数学模型,应用该网络模型可以求出不同优先级队列对资源的需求;随后使用AR(1)模型进行预测,使算法可以动态地适应不同的用户访问量;利用二分查找算法,分步计算出不同优先级在map阶段和reduce阶段分配的槽位数;最后实现了在MapReduce模型中应用的实时调度算法。实验结果表明,与传统的FIFO和公平调度算法相比,本文提出的算法在用户到达率和任务规模变化的情况下,可以更加有效地满足不同优先级用户的截止时间限定。     

基于优先级分类的工业无线网络确定性调度算法

确定性调度技术对于工业无线网络数据的实时性和确定性传输有着重要意义.本文针对工业无线网络数据流本身存在优先级分类属性的情况,基于多信道时分多址接入(TDMA)技术,在分析高优先级数据流对低优先级数据流造成的链路冲突延时和信道竞争延时基础上,对网络进行调度预处理,进而排除参数不合理的网络,并向网络管理者反馈.对于通过预处理的网络,调度算法优先为高优先级数据流的链路分配时隙和信道资源,而对属于同一类优先级的数据流,提出一种基于比例冲突空余时间的调度方案,在满足可调度性条件的前提下,根据各链路的比例冲突空余时间值从小到大依次分配时隙和信道资源.实验结果表明,所提出的调度算法可以取得较高的网络调度成功率.     

一种基于两级DAG模型的MapReduce工作流异构调度算法

MapReduce编程模型被广泛应用于大数据处理平台,而一个有效的任务调度算法对模型的运行效率至关重要。将MapReduce工作流的Map和Reduce阶段分别拆解为若干个有先后序限定关系的作业,每个作业再拆解为多个任务。之后基于计算集群的可用资源和任务异构性,构建面向作业和任务的2级有向无环图(DAG)模型,同时提出基于2级优先级排序的异构调度算法2-MRHS。算法的第1阶段进行优先级排序,即对作业和任务分别进行优先权值计算,再汇总得到任务的调度队列;第2阶段进行任务分配,即基于最快完成时间将每个任务所包含的数据块子任务分配给最适合的计算结点。采用大批量随机生成的DAG模型进行实验,结果表明与其他相关算法相比,本文算法有更短的调度长度(makespan)且更加稳定。     

基于多片FPGA的双优先级动态调度算法

针对单片现场可编程门阵列(FPGA)在处理高速网络中海量数据时存在效率低下的问题,结合多处理器的双优先级调度算法,在所构建的多片FPGA并行处理的高速数据采集和处理模型上,提出一种基于多片FPGA的双优先级动态调度算法,并对处于低优先级段的强实时周期任务提出一种最早截止期临界松弛调度(EDCL)算法。根据任务的松弛度确定任务的优先级,若提升时间到达时仍未完成,则将其提升到高优先级段; 对软实时周期任务,设置在中优先级段,通过延长当前任务截止期至动态模糊阈值进行调度。实验结果表明,该算法能很好地调度强实时周期任务,保证重要任务的优先执行,并能降低由于抢占造成的软实时周期任务错失率。     

质心粒子群优化算法在云计算路径规划中的应用

云计算是一种为了解决海量数据处理要求的新型技术,云端数据资源的路由规划一直是研究的重点。粒子群优化算法具有智能搜索、全局优化、收敛速度快等特点。为了提高在云数据库路径选择的效率,在标准粒子群算法的基础上,提出了一种改进型的基于质心的粒子群优化算法模型,该算法能够在云中快速、合理地找到所需访问的数据库。仿真实验结果表明,该算法在采用合适的参数情况下具有良好的吞吐量,能有效地提高云计算的效率。     

多约束条件下生产排程智能优化技术

针对当前企业智能化生产中,多条工艺路线共享工序以及工单在生产过程中具有多个约束条件(如工期、优先级、产量等)的问题,提出了一种以“等待时间最短”为主的生产排程智能优化算法。综合考虑工单优先级、工期长短和紧急任务插单等因素,通过一种递归算法来计算工单等待时间,以最小化工单完成时间、最大化资源利用率为优化目标,建立了多约束条件下紧急工单处理的快速响应机制。在服装加工企业中的实际应用表明,相比手工排程及其他传统算法,文中提出的优化排程算法不仅缩短了生产周期,力求各工序的负荷率最大化,使企业的生产效率提高了20%及以上,同时还改善了排程系统的稳定性。     

基于改进灰狼优化算法的边缘计算任务调度方法

针对边缘计算在离散制造业数据处理过程中存在的时延和资源消耗大的问题,提出了一种基于改进灰狼优化(IGWO)算法的边缘计算任务调度方法。该方法通过对非线性收敛因子以及动态权重的改进,提高了灰狼算法的优化速度和精度,有效降低了终端设备和边缘端的资源损耗以及任务处理的时延。基于不同数据任务量下的处理时延与资源消耗实验,证明了所提模型的有效性,与3种主流任务调度算法相比,数据处理资源消耗和时延最低。将边缘计算任务调度与智能寻优算法相结合并运用到离散制造业,可以提高设备任务的处理速度、降低能耗,为离散制造业智能化转型提供借鉴。     

基于布谷鸟搜索的多处理器任务调度算法

多处理器系统在高性能计算中扮演着重要角色.为提高系统的并行性能,基于布谷鸟搜索算法,提出一种新的多处理器任务调度算法.该算法以全部任务的最晚完成时间最小为目标,利用基于任务优先权的编码方式使连续的布谷鸟搜索算法适用于离散的多处理器任务调度问题.实验结果表明,所提算法不仅求解质量高,而且求解速度最快,与目前广泛采用的遗传算法和粒子群算法相比其执行时间缩短超过60％.