基于信誉度效益最优的网格调度算法研究

基于经济模型的网格调度算法是目前网格环境中非常重要的算法,而信誉度是经济模型的一个概念.文中将信誉度问题引入到网格资源分配中,通过信誉度与效益相结合,提出了基于信誉度的网格资源分配算法.将信誉度融入到网格资源调度中,用户可以选择信誉度高的资源,提高了资源的信誉度,同时使得网格资源的质量有所提高.通过实验对算法进行了验证.实验结果表明,在费用和时间限制相同的情况下,该算法在使网格资源获得效益上优于时间最优化算法和代价最优化算法,并且提高了资源调度的效率.     

网格经济模型下基于信誉度的资源调度策略

基于资源的信誉度,提出一种经济模型下的网格资源调度策略.由用户自己设定各因素的重要性,调度器根据用户提交任务的需求不同,将任务放到对应的任务队列中,各队列调用不同的调度算法,以得出最优资源分配.同时每次任务完成后,用户的满意度又直接影响到资源的信誉度.理论上能够实现资源和消费者的有效匹配,使消费者请求达到快速响应,让资源提供者和消费者双方获得更高的满意度.     

网格经济模型中基于信誉度的资源选择

针对网格资源管理中的经济模型，在资源信誉度的概念基础上，提出了信誉度评价算法和基于信誉度的资源选择算法。通过实验对算法进行验证，结果证明基于信誉度的资源选择在资源调度率、吞吐量、任务完成率和平均完成时间等方面都体现出良好的性能。     

一种可靠性驱动的云工作流调度遗传算法

为了解决云环境中工作流调度的可靠性问题,提出了一种基于可靠性驱动信誉度模型的工作流调度遗传算法RDR-GA。算法以工作流执行跨度makespan与可靠性最优化为目标,设计了一种基于时间依赖的可靠性驱动信誉度模型,通过该模型可以有效评估资源可靠性。同时,为了寻找遗传最优解,算法设计了新的遗传进化和评估机制,包括：1)以进化算子对调度解中的任务-资源映射进行遗传进化;2)以两阶段MAX-MIN策略评估并决定调度解的任务执行序列。仿真实验结果表明,满足可靠性驱动的信誉度算法不仅能够以更精确的信誉度改善工作流应用执行可靠性,而且能够以比同类遗传算法更快的收敛速度得到进化更优解。     

云环境下融合安全与可用性的DAG任务调度

在异构复杂的云环境中,任务调度时应保证资源的安全与可用性。为此,提出一种融合安全与可用性的DAG任务调度策略。改进主观逻辑信任模型,将计算出的资源信誉度作为调度的重要依据,对树云资源与DAG任务的可用性偏离度进行量化,给出调度函数并设计贪心调度算法( ISAG)。实验结果表明,在资源安全性和可用性较低的环境中,ISAG算法仍能满足用户需求,与表调度算法DLS和可用性优先调度算法Afsa相比,具有更高的任务执行成功率。     

基于信誉度的网格资源质量优化

网格由分布在地理上的各种各样的计算机资源组成,用户在调用资源时,只会根据资源提供商所制定的条件来选择适合自己的资源,但是资源质量的优劣只有在至少用完一次后才可以得出结论.现今许多基于经济模型的资源调度策略只是在提高资源提供商的效益及资源调用时的负载平衡方面加以研究,而网格资源的质量并无过多深入的分析.文中提出的基于信誉度的网格资源调度算法,在用户与资源之间插入一个信誉度计算器,用户每调用一次便会对此资源进行一次信誉度评估.实验证明此算法不仅提高了资源提供商获得的效益,并且使得网格资源的质量得到进一步的优化.     

网络环境下跨域信任调度模型

针对跨域资源调度过程中不同域之间信任度评价差异,域与域之间实体信任度无法比较的现象,提出了一个域间信任度计算模型,并由域代理完成不同信任机制的相互转换。通过对不同域之间资源调度历史记录以及推荐信任度进行综合评价,把域间信任度进行规范化,使域之间的信任度有了可比性;给出了跨域信任体系结构;提出了实现跨域调度的算法。实验表明,提出的信任模型和调度算法在跨域范围内选择了信任度高的资源,提高了任务满足率和调度成功率。     

网格环境下基于信任关系的资源调度策略

提出一个信任评估模型。为了减少资源调度过程中使用传统安全措施带来的网格开销,提出把信任关系作为安全衡量标准融入网格环境下的资源调度策略中。设计了一个融入信任关系的资源映射算法TRM-Schedule,仿真试验证明了算法的合理性和有效性。     

基于混合遗传与禁忌搜索的网格任务调度的研究

网格技术将所有可用于共享的资源（例如,计算机、存储设备、软件、数据库等）通过网络连接起来,并将它们转化成一种标准的计算能力。为各种复杂的计算任务提供资源,因此网格任务在各种资源之间的调度成为了一个关键的问题。本文通过对遗传算法与禁忌搜索算法的分析,提出了一种混合遗传算法与禁忌搜索算法的策略,把禁忌搜索算法独有的记忆思想引入到遗传算法的搜索过程中,通过把禁忌搜索算法作为遗传算法的变异算子的方法,提高了网格任务调度的有效性。最后,使用网格模拟器,对算法的性能进行了测试,并比较了轻重负载情况下,经典遗传算法和本算法调度方案的性能差异。     

基于任务复制的网格任务调度算法

网格中资源之间存在着通信延迟,通过任务复制的冗余,可以减少任务之间的通信开销,缩短整个计算程序的计算时间。目前网格中的任务调度算法基本上是没有考虑任务复制的;而基于任务复制调度算法往往会产生过多的复制任务,增大系统开销,甚至有可能延迟计算时间。由于基于任务复制的任务调度是一个NP问题,因此本文提出了一种基于任务复制的网格资源调度算法,以减少调度长度为主要目标、减少任务复制量和资源占用量为次要目标。该算法在调度长度和任务复制数量以及占用资源数量方面都等于或优于其它算法。     

网格计算资源管理中的信誉度模型

网格资源管理作为网格研究的核心内容,受到研究人员的高度关注。目前已经提出的诸多管理模型中,基于计算经济的模型被人们普遍看好。文中针对计算经济模型,提出了资源信誉度、资源提供者信誉度、资源消费者信誉度的概念。在此基础上,深入研究了信誉度评价的评价模型和算法以及信誉度评价实现中的一些处理策略。对信誉度评价所需的资源使用记录进行了定义,根据评价需要对现有RUR进行了扩展。最后通过仿真实验对信誉度评价算法进行验证,得到了相应的实验结果和结论。     

对等网络环境下基于多属性约束的任务调度算法研究

为了提高对等网络环境中的任务调度效率,提出将资源属性与任务属性相结合的多约束任务调度算法MDSA.在该算法的实现过程中,依据被调度的任务类型和隶属函数的定义,将对等网络环境划分为不同的虚拟社群,并将不同类型的任务提交到对应需求的虚拟社群中;将对等网络抽象描述为资源属性的集合,并定义了待调度的任务集合;以资源和任务属性的多约束信息为基础,利用待调度任务的时限属性信息形成调度队列,借助于预判机制和二级调度的思想对任务进行调度,并应用NS2和GridSim工具包对MDSA调度算法进行了测试.通过对仿真结果中的数据进行分析和比较,验证了多属性约束调度算法MDSA的优势.     

基于蚁群遗传算法的网格资源调度研究

传统的资源调度算法在网格环境下存在一定缺陷,如不能很好地平衡资源节点的负载,不能很好满足用户服务质量需求等.为了提高网络质量,应用遗传算法全局快速收敛的优点,将遗传算法融入到蚁群算法的每一次迭代中,使之具有很强的全局搜索能力,以加快算法的收敛速度,提出了在价格机制驱动下,应用蚁群遗传算法进行网格资源调度的算法.仿真实验结果表明,在价格机制驱动下,应用蚁群遗传算法进行网格资源调度可以减少系统总执行时间和任务完成时间,系统负载均衡度好,提高了资源调度效率,在网格环境下,算法具有稳定性和高效性.     

桌面网格中面向资源可用性预测的任务调度算法

提出桌面网格平台下的一种面向资源可用性预测的任务调度算法.该算法充分考虑了计算资源在执行作业的过程中可能发生的行为,采用预测技术保证了任务的高效而合理的分配.当计算资源发生异常时,通过公平的转移权重预测方法估计资源在下一阶段可能的状态,计算出资源的可靠性概率,然后开始调度子任务给资源.通过建立实验环境,设置不同的可靠性域值T与历史检查资源天数N等参数,在桌面网格上进行了测试.最后把该调度算法的实验结果与PPS等调度策略进行比较,验证了本文的任务调度算法在子任务处理率与通信轮回时间上有比较好的性能.     

基于蚁群算法的分布多处理机系统任务调度研究

本文主要基于现代蚁群算法讨论分布式系统调度。蚁群算法是一种构造型启发算法,在离散优化问题中得到广泛应用。分布式系统调度属于NP-hard,为了提高算法性能,把问题任务图的优先级作为启发信息。最后,采用随机产生的任务图将调度结果和模拟退火算法、遗传算法等进行了比较。     

膜计算改进粒子群优化算法的云资源调度

云计算环境下的资源合理调度是当前的研究热点,针对粒子群优化算法的不足,引入膜计算理论,提出一种基于膜计算改进粒子群优化算法的云资源调度算法（PSO-MC）。对云资源调度问题进行分析,建立云资源调度的目标函数,受到膜计算的启发,将粒子放入膜中,主膜内粒子进行精细化局部寻优,辅助膜内的粒子进行全局搜索,通过膜区域之间信息传递搜索结果,找到云资源调度问题的最优解,在CloudSim平台对算法进行仿真实验。结果表明,PSO-MC算法减少了任务的平均完成时间,提高了任务处理的效率,使云计算资源调度更加合理。     

FPTS:一种任务间存在共享资源时的抢占阈值调度算法

受到广泛关注的抢占阈值调度算法能够有效减少现场切换次数,防止不必要的任务抢占,降低资源额外消耗,提高任务集合的可调度性.目前该调度算法的研究工作大多围绕独立任务集合展开,在实际实时系统中任务经常需要互斥访问共享资源,任务之间由于资源共享而导致的相关性对于任务集合的优先级分配和抢占阈值分配都有很大的影响.SRP协议是在实时系统中得到广泛应用的资源访问控制协议,具有死锁避免、提前阻塞、共享任务栈等一系列优良特性.将SRP和抢占阈值调度算法结合起来,提出FPTS调度模型,给出相应的可调度性判定公式,考虑在任务之间使用SRP协议时求解任务抢占阅值分配,最后给出计算抢占阈值分配的伪多项式时间算法.     

网格环境的一种跨域信任模型

针对跨域资源调度中不同信任模型之间的差异,提出了一个由域间代理完成的不同信任机制之间的转换模型,将跨域和域内信任一致处理,实现了跨域信任度的转换和评估。给出了跨域信任中的上下文定义,提出了实现跨域调度并体现上下文含义的调度算法。实验表明,所提出的转换模型和调度算法在跨域范围内选择了信任度高的资源,缩短了任务完成时间,提高了任务满足率,使调度过程得到了优化。     

端到端时间约束的实时任务动态调度算法

在单处理机系统中,由于计算高优先级任务抢占的时间相对比较简单,所以单处理机调度理论取得了长足的进步.提出一个端到端时间约束的实时任务调度算法,当实时任务到达系统时,算法为任务的每个子任务在相应的处理机上预约一定的计算资源,把端到端的多处理机调度问题转换成单处理机调度问题,从而可以利用单处理机调度理论判定实时任务的可调度性.实验表明,该算法明显地提高了CPU利用率和任务接收率.     

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。