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.     

基于遗传编程的网格资源调度算法

网格资源调度是一个非常重要的研究课题.由于因特网的开放、动态性,传统的资源调度和分配方法已经不再适用网格计算,基于经济模型的资源管理和调度成为研究热点.在计算市场模型中,构造有效的效益函数又是提高算法性能的关键.有关文献中采用的是线性效益函数,虽然降低了复杂度,但不能很好地反映用户的效益.文中提出了基于遗传编程来寻找和构造非线性效益函数的方法,并将其应用到网格调度算法中.实验结果表明该算法可以提高网格中的资源调度性能.     

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.     

基于遗传编程的网格资源调度算法

网格资源调度是一个非常重要的研究课题。由于因特网的开放、动态性,传统的资源调度和分配方法已经不再适用网格计算,基于经济模型的资源管理和调度成为研究热点。在计算市场模型中,构造有效的效益函数又是提高算法性能的关键。有关文献中采用的是线性效益函数,虽然降低了复杂度,但不能很好地反映用户的效益。文中提出了基于遗传编程来寻找和构造非线性效益函数的方法,并将其应用到网格调度算法中。实验结果表明该算法可以提高网格中的资源调度性能。     

拍卖机制下的效益最优化调度算法研究

基于拍卖机制的调度算法中引入了效益最优的思想,并根据利润率的概念建立了效益函数。这使得算法能够很好的适应网格建立初期对于吸引资源的要求,能够为资源提供者带来更大的效益。实验中采用GridSim构建了一个网格模拟环境,并模拟实现了本文提出的调度算法。实验结果表明,在预算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。     

基于分类挖掘的网格资源分配研究

根据用户访问网格资源的历史信息,采用分类算法对此信息进行挖掘,得出用户使用集群资源的访问规则和模式,在此基础上构造一种基于分类挖掘的资源调度模型、用户调度UA算法以及资源调度CDMRA算法,分别将用户请求调度到各个集群中闲置的CPU资源.实验证明,采用基于分类挖掘的资源分配策略相比其他算法可以减少资源分配过程中对资源的重新分配次数,可以提高网格资源的利用率.     

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。     

基于经济模型的网格资源调度算法研究

基于经济模型的网格资源调度算法是目前网格环境中非常重要的调度算法.介绍基于经济模型调度算法的基本思想和体系结构,对4种基于经济模型的调度算法做了详细的阐述,并在GridSim上的模拟结果做了分析与比较.     

基于多QoS属性的分类优化调度算法

实现用户的服务质量（Qos）是网格计算中力求达到的重要目标,网格资源的分布性、异构性、动态性等特征使网格环境下以服务质量为指导的资源调度成为一个复杂的问题,尤其是在用户的任务具有多种QoS属性的情况下。该文利用经济模型研究网格QoS控制的资源分配问题。以效用最大化为目标通过综合效用函数量化服务质量,设计了在时间和费用受限情况下对任务进行分类的优化调度算法,该调度算法满足用户多QoS属性。仿真实验显示了该算法的有效性。     

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。