TD_Max-min:信任驱动的网格任务调度新算法

利用信任机制的概念，对传统的Max-min调度算法进行改进，提出一种信任驱动的网格任务调度算法——TD_Max-min。在相同的假定条件设置下，将其与现有的TD_Min-min算法和TD_Sufferage算法进行仿真和比较研究。结果表明，信任驱动的网格调度算法不仅优于传统的基于时间的调度算法，而且当具有强信任关系的任务数量大于弱信任关系及无信任关系的任务数量时，TD_Max-min算法的调度性能明显优于TD_Min-min算法。     

一种基于信任的网格资源调度算法

介绍了信任关系量的化方法,然后根据任务的安全性要求设置任务的优先级,对已有的信任驱动的网格调度算法进行改进,改进算法在不增加时间复杂度的同时提高了调度的信任效益:最后通过仿真证明算法的有效性,并对仿真结果进行分析。     

基于信任需求的Ad Hoc网格任务调度算法

针对当前Ad Hoc网格环境下任务调度算法和信任机制分离,造成难以在实际环境中应用的缺陷,考虑任务重要性对资源信任度的影响建立信任模型,并对Min-Min算法进行扩展,提出了一种基于信任需求的任务调度算法TD-Min-Min.该算法以满足信任需求为目标,并考虑Ad Hoc网格环境下资源的能耗和负载均衡来进行任务分配,具有良好的性能.仿真实验表明,该算法在最早完成时间和失败任务数量等性能参数方面优于Ad Hoc网格环境下的Min-Min算法.     

基于信任QoS增强的网格服务调度算法

针对目前服务网格资源管理中存在的信任机制与调度机制分离的缺陷,基于网格信任模型与信任效益函数,讨论了信任QoS增强的计算服务调度问题．分析传统调度算法的缺陷,提出了基于信任关系的网格服务调度算法．该算法在保证服务性能Qos要求的同时兼顾信任QoS的要求．对基于信任关系的网格服务调度算法性能进行了多角度分析和大规模仿真实验．结果表明:该算法较传统的基于性能QoS的调度启发式和另外两种基于信任Qos的调度启发式而言,不仅具有较优的平均信任效益、总信任效益和较小的最终服务期,而且在失效服务数和系统吞吐率等方面具有较好的综合性能．     

信任驱动的网格调度算法

针对目前网格资源管理中任务与资源匹配问题的不足,基于信任效益函数与匹配概念,提出了信任驱动的网格调度匹配算法。在调度中同时还考虑了任务和资源效益值,对已经提出的两种信任驱动的网格调度算法进行改进。结果证明:该算法较传统基于的信任驱动调度算法而言,信任效益值,资源效益值,负载平衡和失效服务数等方面有较好的综合性能。     

信任驱动机制下的网格负载调度算法

利用网格信任模型与效益函数,结合资源当前负载状况,提出一种基于负载均衡的任务调度算法——Trust-Driven_Load（TD_Load）,在满足最大信任效益值的条件下,采用预计最短完成时间对多个资源进行选择。实验结果表明,在相同的条件设置下,TD_Load算法在资源负载、makespan和任务平均等待时间上优于基于信任效益值的传统算法,而且算法时间花费小,当任务数量增多时,综合调度性能更优。     

网格环境下基于信任机制的资源调度研究

信任是网格资源调度中一个很重要的因素,也是影响网格计算有效性和性能的关键技术之一。将信任机制引入到网格资源调度中,提出了网格环境下的信任模型和基于信任机制的资源调度模型,在调度策略上对传统的Min-Min算法进行了改进,提出了基于信任机制的Trust-Min-Min算法。仿真结果表明,算法不仅可以缩短任务的总执行时间,而且可以有效地平衡负载,是网格环境下一种有效的资源调度方法。     

信任驱动的资源调度算法

针对当前网格资源管理中任务与资源匹配的缺陷,基于信任效益函数和最小完成时间,提出了基于信任的Trust Mintime Min-Min算法.分析了传统的Min-Min算法,考虑Min-Min算法负载不平衡,对其在调度策略方面进行了改进.仿真实验表明,该算法不但可以有效地平衡负载,而且可以提高任务的完成率,兼顾计算的有效性和可靠性.     

节能及信任驱动的虚拟机资源调度

针对节能机制和信任驱动的资源调度机制相分离的特点,提出了一种应用到云计算数据中心中的节能及信任驱动的虚拟机资源调度TD energy-aware-Opt算法。该算法利用任务和虚拟机资源之间的信任机制进行任务和虚拟机资源之间的匹配,并通过最小化迁移算法对虚拟机进行实时迁移,以达到保证用户任务性能和数据中心节能的目的。对该算法进行大规模和多角度的仿真实验,结果表明:该算法与传统的基于信任驱动的最小完成时间TD min-min算法、基于信任驱动的最大完成时间TD max-min算法相比,能节省大量电能并且具有较优的平均信任效益、总信任效益和较低的服务等级协议违反率。     

网格环境下安全约束的资源调度研究

提出了一个网格信任模型,用主观逻辑理论进行信任值的推导、综合。针对现有网格任务调度算法存在的问题,设计了一种任务和资源安全等级匹配的调度算法。通过安全需求对资源进行筛选,并使它满足最早完成时间。仿真实验表明,与传统经典网格任务调度算法比较,该算法提高了任务成功率,减少了任务完成时间,是网格环境下一种有效的资源调度模型。     

一种基于网格的增量聚类算法*

分析了现有基于网格的聚类算法,该算法具有高效且可以处理高维数据的特点,但传统网格聚类算法的聚类质量受网格划分的粒度影响较大。为此,提出了一种基于网格的增量聚类算法IGrid。IGrid算法具有传统网格聚类算法的高效性,且通过维度半径对网格空间进行了动态增量划分以提高聚类的质量。在真实数据集与仿真数据集上的实验结果表明,IGrid算法在聚类准确度以及效率上要高于传统的网格聚类算法。     

云信任驱动的物联网信息资源寻址模型

为提高物联网底层信息资源寻址效果,基于对云环境下的物联网底层寻址服务的信任度评估准则等方面的研究,改进信任驱动算法,提出一个云信任驱动的物联网信息资源寻址模型。首先,分析寻址的关键特征;然后,设计并采用特定约束条件、信任陡度函数、云信任度评估准则及信任约束系数建立寻址模型;最后,设计了一个物联网系统实例来验证该模型的有效性。实验结果表明,相比传统模型或算法,该模型有良好的底层资源寻址效果。     

网格资源管理与调度研究

网格计算是近年来得到快速发展的广域网格计算技术，其目标是把因特网整合成一种超大规模的巨大计算机系统，以实现计算资源，存储资源，信息资源．知识资源的全面共享，资源管理与调度是网格计算中的核心部分，在本文介绍网格资源管理，分析了三类资源调度策略；并提出了一个基于信任度的资源调度策略，详细描述了基于信任度的资源调度策略的算法实现．把服务质量有机集成在资源调度策略当中去．     

网格市场中一种模糊决策的多维QoS批调度方法

网格市场环境下,用户的服务质量(QoS)需求更加多样化;更多普通用户加入网格市场,难以提供精确的QoS需求信息.因此,基于用户模糊QoS需求的调度算法成为网格市场中研究的热点.多维QoS网格调度的形式化描述,利用模糊决策理论有效地将用户模糊的QoS需求的映射到网格资源,利用AHP算法确定用户关于多维QoS各维度之间的权重关系,给出一种模糊决策的多维QoS的调度方法.实验表明,模糊决策的多维QoS批调度算法在不需要用户提供精确的QoS参数前提下,有效满足用户QoS需求.与现有的QoS批调度方法相比,该算法具有较好的一次作业完成率,且作业完成率波动较小.     

一种改进的高效Delaunay三角网的生成算法

Delaunay三角网在GIS／VR中具有很广泛的用途，而分而治之算法和逐点插入法是目前普遍用于生成Delaunay三角网的两种算法。本在研究了基于这两种算法的合成算法后，对其进行了修改和优化，形成了高效合成算法。高效合成算法中提出了通过确定点线关系来解决点的定位问题，优化了其LOP的算法，提高了算法的稳定性，使其执行效率得到很明显地提高，本算法的设计思想还可推广到三维空间。