一种使用改进预测成本矩阵任务优先排序的异构计算系统列表调度算法

异构计算系统执行应用效率的提高高度依赖有效的调度算法。该文提出一种新的列表调度算法,称为改进的预测优先任务和乐观处理器选择调度(IPPOSS)。通过在任务优先级排序阶段引入任务的后向预测成本,来减少调度长度。与现有工作相比,该文使用改进预测成本矩阵(IPCM),更合理地进行了任务优先级排序,从而在处理器选择阶段获得了更好的解,并保持2次时间复杂度。IPCM考虑了任务优先级排序阶段的各种计算、通信因素,比预测优先任务调度(PPTS)提出的预测成本矩阵(PCM)更容易获得合理的优先级列表。随机生成应用的有向无环图(DAG)和真实世界应用的DAG的实验结果分析表明,IPPOSS的性能优于相关算法。     

改进的Min-Min网格任务调度算法

在网格环境中,如何对任务进行高效调度是当前研究的热点问题。目前Min—Min调度算法是一个简单、快速、有效的算法。但它很难满足网格任务对服务质量的要求。在独立型的任务调度模型的基础上,提出了一种基于权值的改进Min—Min调度算法。改进后的算法通过量化网格任务的优先级和等待时间,解决了原有算法存在的高质量任务和大任务等待时间过长的问题。仿真实验结果表明,改进后的算法满足了网格任务对优先级和等待时间的服务质量要求．是一种网格环境下有效的任务调度算法。     

一种基于DAG的并行系统任务调度方法

设计了一种适用于同构总线式多核环境的任务调度算法,着重优化了传统静态列表算法中对于任务节点等级较为粗糙的计算方式,并改善了对通信的调度。通过统计性调度实验,表明该任务调度算法相比传统的调度方法具有一定的优化效果。     

FC-ABS调度算法及在NCS中的应用

针对网络控制系统(Network Control Systems, NCS)节点中的非周期任务,设计了一种FC-ABS调度算法.该调度算法可以根据非周期任务的时间特性采取不同的调度方式,并通过反馈调度减小非周期任务调度对周期任务的影响.仿真实验证明了算法的正确性.     

实时网络的分布式调度

针对主—从结构实时网络的性能特点,提出了一种基于EDF的主节点分布式实时任务调度算法,给出了该调度算法下实时任务组的可调度的充分条件。仿真测试表明,该调度算法满足实时约束,适合于主—从结构的实时网络调度。     

1553B网络BC的SPN建模与分析

针对1553B网络中BC节点采用不同的实时任务调度算法将影响轮询总线表实时任务实施次数,进而影响到总线网络的吞吐量和数据传输时延,为研究实时任务调度算法对1553B总线网络通信的影响,建立了BC节点采用静态调度算法下的任务集SPN模型,模型分析结果表明固定优先级高的任务使轮询总线表任务不能实时执行,容易被阻塞,影响了总线网络的通信效果,因此BC节点适宜采用动态调度算法。     

基于QoS的超级节点模式网格调度研究

提出一种基于超级节点模式的网格管理模型,引入市场经济机制,允许网格用户提出任务的截止完成时间、费用上限以及时间、费用偏好参数,并作为用户QoS参数给出对应的网格复合任务调度算法。根据此算法,利用层次颜色Petri网、价格时延和颜色Petri网对调度过程进行形式化动态建模。最后,构建模型的可达任务图,通过实例分析系统的最佳调度方案及其吞吐量、负载平衡、时间和费用等性能参数。     

树形网格自适应调度模型研究

提出一种基于树形计算网格的自适应调度模型,实现对小粒度独立任务和用户大作业的自适应最优调度.通过对网格环境的实时检测,给出了基于节点负载状况、节点任务执行时间和任务特性的自适应调度算法.实验证明该任务调度模型在负载平衡和容错方面具有良好的性能.     

基于多属性QoS约束的网格资源调度算法研究

本文以Min-Min调度算法为基础,以提高调度过程中的用户满意度为目的,提出了改进的Min-Min算法DQ(double QoS)。在DQ算法的基础上,采用进一步细化QoS参数和划分任务权值的方法,设计了多属性QoS约束的调度算法(multi-QoS constraints scheduling algorithm,MQCSA)。该算法通过选取任务的完成期限和网络带宽属性以及完成任务所需的CPU参数,有效地解决了不能预期完成的任务占用网格资源的问题。采用GridSim工具包模拟了相关的调度算法,验证了DQ算法和MQCSA的效率。     

基于代价模型的多平台分析任务流调度优化

分析任务流的调度是人们关注的热点问题之一.在无法提前得知各子任务资源和时间开销以及算子间传输开销的情况下,现有研究缺少较好的调度方法,也无法很好地处理多平台环境下的任务调度.为此,本文提出了一种基于启发式规则优化的拓扑调度算法.该算法通过对同平台任务和后继任务优先选择的规则,对任务流调度顺序进行优化;其次,结合Spark平台下数据分析任务常见的SQL算子和机器学习算子的代价模型,有效对任务的开销做出估计.实验表明,调度优化算法能有效节约时间开销和内存开销,代价模型的估计也较为准确.     

基于模糊聚类的云任务调度算法

为了更好地实践云计算提供廉价按需服务的宗旨,提出了一种在模糊聚类基础上,基于两级调度模式的任务调度(FCTLBS,fuzzy clustering and two level based task scheduling)算法,新算法设置用户调度和任务调度2个等级。对资源进行性能模糊聚类;根据任务参数计算资源偏好,使不同偏好任务在不同聚类中选择,缩小了选择范围,更好地反映了任务需求。仿真实验表明,本算法较之同类算法具备一定的优越性。     

面向多功能雷达的模型参数化脉冲级调度方法

多功能相控阵雷达的任务复杂性和实时性需求不断提高,传统的基于一定驻留周期的任务调度方法不能满足实时切换要求。针对此问题,提出了一种基于脉冲周期的任务切换和实时调度的方法,两级调度器与执行器一体化设计减少任务调度时间开销,综合考虑优先级调度算法和抢占式调度策略确保了任务有效执行,面向任务模型的参数化设计使得任务调度能灵活适应各类作战任务需求。仿真结果表明,此方法能较好地控制高优先级任务丢失率, 获得更高的任务执行有效性。     

基于周期分区的相控阵雷达任务交叉调度研究

传统相控阵雷达任务调度算法中,各单驻留任务不可分割,发射与接收之间的空闲等待时间未被有效利用,系统调度能力受限。针对此问题,该文在深入分析交叉规则及选取策略的基础上,提出一种基于采样周期最大公约数分区的任务实时交叉调度(PDI)算法,其可解决交叉调度过程中任务因采样周期不同而产生冲突的难题,该文还分析了调度算法流程,交叉算法流程及过载处理等。仿真结果表明,该算法可大幅提高系统调度的负载能力,调度性能明显优于传统算法。     

Task scheduling algorithm for system-wide information management based on multiple QoS constraints

An ant colony optimization task scheduling algorithm based on multiple quality of service constraint (QoS-ACO) for SWIM was proposed.Focusing on the multiple quality of service (QoS) requirements for task requests completed in system-wide information management (SWIM),considering the task execution time,security and reliability factors,a new evaluate user satisfaction utility function and system task scheduling model were constructed.Using the QoS total utility evaluation function of SWIM service scheduling to update the pheromone of the ant colony algorithm.The simulation results show that under the same conditions,the QoS-ACO algorithm is better than the traditional Min-Min algorithm and particle swarm optimization (PSO) algorithm in terms of task completion time,security,reliability and quality of service total utility evaluation value,and it can ensure that the user's task scheduling quality of service requirements are met,and can better complete the scheduling tasks of the SWIM.     

基于粒子群算法的嵌入式云计算资源调度

随着移动互联网的发展,基于嵌入式设备的云计算服务成为研究热点。在国内,嵌入式云计算目前正处于探索研究阶段,云资源管理调度是嵌入式云计算的核心技术之一,其效率直接影响嵌入式云计算系统的性能。为了提高云计算性能,本文提出一种基于粒子群优化算法的云计算任务调度模型。粒子群算法中粒子位置代表可行的资源调度方案,以云计算任务完成时间及资源负载均衡度作为目标函数,通过粒子群优化算法,找出最优资源调度方案。在matlab实验平台进行了仿真,通过大量数据模拟实验表明,该模型可以快速找到最优调度方案,提高资源利用率,具有较好的实用性和可行性。     

基于5G+MEC的电网边缘计算平台任务安全性调度方法

为保证电网边缘计算平台任务调度的安全性以及任务调度所需的数据质量,提出基于5G+MEC的电网边缘计算平台任务安全性调度方法。结合机密性服务和完整性服务,构建任务调度安全等级模型,约束调度任务队列调度传输过程中的风险,实现5G核心网的安全传输;确认优先级队列类型,选择最小化队列与最大队列,进行数据资源最大化支持、MEC 设备端的任务调度,构建分布式任务调度模型,并利用 Lyapunov候选函数提升任务调度的稳定性,通过交替方向乘子法求解模型,获取任务安全性调度最优解。测试结果表明,应用该方法后,风险概率结果均在0.15～0.35的范围波动,MEC设备提供的相关数据与核心服务器调度任务的拟合程度均高于0.92;任务调度数据的质量分值也高于0.94。     

基于非贡献网格的自适应任务调度算法研究

针对传统的Min-Min算法的高效特性和Max-Min算法的负载平衡特性,引入了资源的服务代价属性和任务的请求代价属性,以提高任务调度的时间跨度性能为目标,提出了一种面向非贡献网格(No-dedicated Grid)的自适应任务调度策略(No-dedicated Adaptive Min-Min and Max-Min,NDA-MM)。实验表明,该算法在时间跨度和可扩展性等方面的综合性能较以往算法有较大提高。     

异构网络化汽车电子系统中多DAG离线任务调度

公平性和通信开销已成为影响调度性能的主要瓶颈,首先在任务优先级排序阶段,提出基于通信开销权值的轮转调度的公平排序标准;在处理器选择阶段,提出在插入法的基础上将任务分配到具有最小选择值的选择标准;综合上述2个阶段,提出以降低调度长度和减少通信开销为目标的多DAG离线公平任务调度(MDOFTS, multiple DAGs off-line and fairness task scheduling)算法。异构网络化汽车电子系统是一个典型的混合关键级嵌入式系统,既要确保实时性又要降低调度长度,提出了以满足安全关键DAG的多DAG离线优先级任务调度(MDOPTS, multiple DAGs off-line and Priority task scheduling)算法。综合MDOFTS和MDOPTS,提出多DAG离线自适应任务调度(MDOATS, multiple DAGs off-line and adaptive task scheduling)算法,在满足实时性的基础上提高调度性能。实例分析和实验结果表明,提出的算法在调度长度、通信开销、不公平性、最差响应时间和实时性上都优于其他算法。     

基于遗传算法的异构系统多副本容错调度算法

针对异构系统中基于多副本机制的容错调度方法忽略调度makespan、任务间依赖与系统链路失效及严格调度方式调度makespan较长问题,首先提出通用调度方式下同时考虑节点和链路失效的可靠性计算方法;然后给出该通用调度问题的0-1整数规划模型;接着提出可靠性意识多副本任务通用调度(RAMD_TGS, reliability-aware multi-duplication task general scheduling)算法,通过遗传算法种群进化来搜索副本映射节点和开始执行时间。实验表明该算法不仅满足可靠性要求,而且与严格调度方式相比能进一步减小调度makespan,该算法资源占用开销也是可接受的。