基于多核处理器平台的公平调度算法

为了减少多核处理器系统全局调度算法中共享L2cache抖动,在Pfair调度算法基础上提出一种新的Cache感知的软实时公平调度算法.通过对WSS(work set size)、子任务截止时间和任务负载建立多因素优先级模型,并将此优先级模型应用到改进后的Pfair算法中,该算法的调度决策在系统负载较重的系统中对WSS具有自适应性.模拟实验结果显示:在对称4核和8核处理器系统中,该算法任务丢失率低,且在系统负载重时能够减少共享L2cache抖动,其整体调度性能优于传统的G-EDF(global-earliest deadline first)调度算法和Pfair调度算法.     

随机选择处理器的排队系统模型的研究

动态分布式系统中有效使用资源的问题是:在这种状态下新来的任务是否利用已有的负载信息,根据处理器的队列长度随机选择处理器,使任务在系统中以最小的指定时间完成.利用排队系统模型分析怎样利用已有的信息来排队,从而达到平衡结点之间的负载,缩短作业的运行时间,改善系统的使用率的目的.     

一种负载感知的异构MPSoC任务调度算法

处理器核的异构性、运行时负载和任务间依赖关系,是影响异构MPSoC任务调度算法性能的关键因素。该文提出了一种负载感知的异构MPSoC任务调度算法,在满足任务间依赖关系的前提下,根据计算开销和通信负载将待调度任务集划分为任务子集。在考虑处理器核负载状态的基础上,通过赋权二部图最大权匹配,将任务子集调度到适载的处理器核上运行,提高了待调度任务集总执行效率。仿真实验结果表明,该算法有效降低了任务集的调度长度,提高了处理器核的利用率。     

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。     

基于反馈控制的多处理器任务调度算法

在高度动态和不确定的计算环境下,系统的负栽有极大的不确定性,传统的多处理器调度算法基于最坏执行时间悲观估计负载,造成了系统资源浪费.文章提出了一种基于反馈控制的多处理器任务调度算法,通过动态调整分配在各个处理器上的任务集合,使得每个处理器的CPU利用率保持在参考值附近,保证了任务的实时性.依据控制理论分析了算法的稳定性、稳态以及动态性能,并通过实验验证了算法的实时性和适应性.     

含启动开销总线网络实时可分性负载调度算法

针对异构总线网络,提出了一种含启动开销的实时可分性负载调度方法。建立了实时可分性负载调度的最优化模型,即在满足实时任务截止期限的约束条件下,使系统计算资源消耗最小化;根据可分性负载调度的最优性原理,分析了网络中处理器负载分配的最优次序以及参与计算的处理器数目;在此基础上提出一种实时可分性负载调度算法并给出了算法的实现流程,该算法能够利用网络中最少的处理器数目,保证实时任务在其截止期限之前计算完成。理论分析和仿真测试都验证了所提出算法的有效性。     

基于多核处理器的低能耗任务调度优化算法

针对多核处理器的高性能所带来的高能耗问题,对TL-DVFS算法中任务迁移开销问题进行了分析,提出了一种基于TL面的节能调度算法ITL-DVFS.该算法在不增加算法时间复杂度的前提下,通过对堆进行操作,有效地减少每个TL面初始时刻任务的迁移开销.结合全局动态电压频率调节技术,在TL面的初始时刻和偶发任务释放时刻动态调节多核处理器的电压频率.结果表明,ITL-DVFS可以有效地减少任务的迁移开销,在负载达到某一值后,可有效降低处理器功耗.     

基于利用率和负载均衡的多核实时调度算法研究

针对分区调度算法在实时多处理器系统中处理器利用率不高的现象,提出一种基于利用率和负载均衡的分区调度算法BUWBPA(Based on Utilization and Workload Balance Partition Algorithm)。该算法在满足任务实时性要求的基础上,以寻求高利用率和负载均衡为目标进行任务分配,将任务分配分成两个阶段:第一个阶段以高利用率为原则,选择任务集内利用率最高的任务先分配;第二个阶段以负载均衡为原则,根据处理器数选择利用率总和等于1或接近于1的任务进行分配,并且在此阶段对于未达到充分利用的处理器,选取可能调度的零星任务,对任务进行再次重新分配,以达到负载均衡和系统最大利用率。实验证明,该算法在实现最大利用率的前提下能很好地达到负载均衡。     

基于ARIMA和CART的负载预测模型

主机资源的负载预测对其运营维护工作具有重要意义.传统负载预测方法通常采用线性时间序列模型拟合负载数据,而负载受复杂的内外部环境影响,线性模型无法很好地表征负载数据规律.为提高模型的精度,提出将负载信息分解为线性部分和非线性部分的思想,并将自回归差分滑动平均(autoregressive integrated moving average,ARIMA)模型和分类回归树(classification and regression tree,CART)模型相结合进行预测.通过加权最小二乘法改进的ARIMA预测线性部分,通过边界判定优化的CART预测非线性部分,并结合两者获得综合预测结果.在真实负载数据集下进行对比实验,结果表明,改进后的算法预测精度相比传统方法提高了15%以上,且对偏远值和不同的时间间隔都均有良好的适应性.     

混合关键度驱动的实时调度研究

针对当前运行于不可预测开放环境下的嵌入式多使命复杂关键型系统,需要减少运行成本和处理不可预测工作负载情况的问题,文章提出一种混合关键度驱动的非对称式过载保护最小空闲调度策略。系统过载时,为共享同一处理器的不同关键度任务提供非对称式保护,禁止低关键度任务干扰高关键度任务,完全避免了传统的"关键度反转"问题。在恢复暂时阻塞的不同关键度任务时,在速率单调调度的基础上,引入关键度主导的截止期驱动动态调度策略,可使潜在处理器利用率达到100%。实验结果表明,这种新算法的综合性能优于当前已有的混合关键度任务调度算法。     

模型预测控制算法在飞机自动着陆控制系统中的应用

针对大展弦比这种对侧向着陆精度要求很高的飞机，设计了一种经典PID控制器加预测控制器的分层控制系统。仿真实验结果表明，该控制系统能够有效地提高着陆精度并严格控制接地时的滚转角。     

基于偏斜数据流分类的入侵检测方法

入侵检测数据流具有偏斜分布以及概念漂移的特点,其样本无法准确反映整个空间的数据分布,分类器容易被大类淹没而忽略小类,使得检测正确率不高,对此,文中提出了一种单分类器集成的入侵检测方法,该方法在使用k-means聚类算法调整数据分布的基础上,用区间估计结合AUC的值检查概念漂移并更新分类器.实验结果表明,在处理偏斜数据流上优于均值、乘法规则、最大值三种分类处理方法,并具有较高的入侵检测率.     

基于DT-CWT统计模型的舰船噪声信号中线谱信号检测研究

双树复解析小波变换(DT-CWT)在信号去噪方面的性能优于实小波变换,且计算量远小于后者.文章基于DT-CWT小波理论,通过对海洋环境噪声中舰船噪声中低频线谱信号小波系数的层间联合分布的分析,提出一种DT-CWT统计模型并推导出最大后验概率估计子(MAP),用于检测海洋噪声背景中的舰船噪声中的低频线谱信号.对实测舰船噪声信号和海洋环境噪声的分析表明,所提出的DT-CWT统计模型算法明显优于VisuShrink、SureShrink和BayesShrink算法对舰船噪声中线谱信号的检测效果.     

油漆调色系统的改进算法

根据现有CAID系统中色彩设计和色彩生产难以协调统一的问题以及油漆厂的实际需求，在原有的“基于神经网络的油漆调色系统”基础上，创建了BP网络样本数据库，找到了一种适用于实际应用的有效的BP改进算法。研究测试的结果表明，BP改进算法能够弥补原有算法精度速度不够理想的不足，解决了电脑调色的问题。     

二维接触问题的无网格伽辽金-有限元耦合方法

研究了二维接触问题的无网格伽辽金-有限元耦合方法。给出了接触问题的数学模型，对其中的线性规划法进行深入分析，并将它与无网格伽辽金-有限元耦合方法结合求解接触问题。通过编程对光滑表面圆柱体与刚性平面的弹性接触问题以及粗糙表面与刚性平面的弹性-理想塑性接触进行求解，在对无网格区域相关参数研究的基础上，指出了用无网格伽辽金-有限元方法求解接触问题时的合理参数范围。     

软件容错模型中的部分抢占实时调度算法

为了减少软件容错模型中实时调度算法的抢占次数,提出了一种部分抢占调度算法(PPA),该算法不仅考虑了如何尽可能多地执行主部分,还考虑了如何减少抢占次数,采用了类似非抢占最早时限优先算法(EDFA)来调度主部分.对不同CPU利用率和软件错误概率的任务集合进行模拟实验,结果表明,PPA算法在可以获得与目前所知的同类算法近似调度性能的同时,还可以在一定情况下极大地减少任务调度间的抢占次数,从而减少了系统中因抢占次数过多带来的额外运行时调度开销等负面因素.     

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。     

A distributed deadlock detection algorithm for mobile computing system

The mode of mobile computing originated from distributed computing and it has the un-idempotent operation property, therefore the deadlock detection algorithm designed for mobile computing systems will face challenges with regard to correctness and high efficiency. This paper attempts a fundamental study of deadlock detection for the AND model of mobile computing systems. First, the existing deadlock detection algorithms for distributed systems are classified into the resource node dependent （ RD ） and the resource node independent （RI） categories, and their corresponding weaknesses are discussed. Afterwards a new RI algorithm based on the AND model of mobile computing system is presented. The novelties of our algorithm are that： 1 ） the blocked nodes inform their predecessors and successors simultaneously; 2） the detection messages （agents） hold the predecessors information of their originator; 3 ） no agent is stored midway. Additionally, the quit-inform scheme is introduced to treat the excessive victim quitting problem raised by the overlapped cycles. By these methods the proposed algorithm can detect a cycle of size n within n - 2 steps and with （ n^2- n - 2 ）/2 agents. The performance of our algorithm is compared with the most competitive RD and RI algorithms for distributed systems on a mobile agent simulation platform. Experiment results point out that our algorithm outperforms the two algorithms under the vast majority of resource configurations and concurrent workloads. The correctness of the proposed algorithm is formally proven by the invariant verification technique.     

基于三级信息融合结构的多平台多雷达目标识别算法

为了解决多平台多雷达目标识别时空信息融合过程中存在的时效性不高,识别特征信息模糊和雷达识别结果高冲突等问题,提出了一种基于三级信息融合结构的多平台多雷达目标识别算法。一级特征融合中,基于模糊评判法解决了多特征识别信息模糊问题。二级空域融合中,基于DS融合规则和折扣融合规则,提出了以平均证据距离为阈值的自适应证据融合算法。三级时域融合基于多雷达序列信息,给出了时域自适应融合算法。仿真计算结果表明文中提出的融合结构能够在保证结果正确的同时,每个周期都能输出结果,时效性较之以往的融合结构有了明显改善。文中的自适应证据融合算法能够克服证据间可能存在的高冲突性,并且与采用折扣证据融合算法相比计算量显著减少。