云环境下资源调度效率优化研究与仿真北大核心CSCD

云环境下资源调度对云服务器的均衡性有着重要作用。由于云环境下资源调度过程中,存在大量的混沌数据,在混沌数据的干扰下,调度过程缺少统一的目标,传统的资源调度算法针对这种有干扰的复杂调度问题,多是通过把调度目标进行多个约束,形成一个动态的调度标准,模型过于复杂,适应性较差。提出改进粒子群算法的混沌数据干扰下的云资源调度方法。建立云资源调度模型,利用粒子群的迭代处理进行云资源调度策略寻优,对粒子的位置和速度的更新方法进行了改进,能够避免混沌数据对云资源调度造成的干扰,将全部调度任务的完成时间作为粒子适应度评价的标准,获得最优调度策略。仿真结果表明,利用改进算法进行混沌数据干扰下的云资源调度任务,系统的均衡度好,效率高,为资源调度效率优化提供了参考。     

进化算法迭代优化的P2P网络信任模型研究

为了解决P2P网络系统中节点频繁退出和加入引起的系统数据信息误差,并针对数据获取对中心节点依赖度较大和系统中节点的数据信息获取不完整等问题,提出了进化算法迭代优化的P2P网络信任模型.首先将P2P网络系统中节点数据信息获取的系统信任度估计模型转化为从源节点到目标节点最优信任关系的路径寻优问题;然后利用改进的粒子群算法对信任关系路径方案进行粒子映射,并通过对粒子粒距聚集度和粒子信息熵进行计算而修正粒子权值,再对粒子局部最优解和全局最优解进行更新;最后迭代的对信任关系路径解空间中的最优解进行搜索,并对最优路径的节点进行推荐信任度加权.仿真结果表明,改进算法具有较好的收敛速度和较强的有效性,且当节点跳级数较少时,可使系统数据信息估算获得最优的系统信任度.     

基于节点能力度的P2P流媒体资源调度算法

传统流媒体网络因流媒体数据量较大的特点,使服务器的负载重、主干网压力大,从而导致网络吞吐量降低。为此,提出P2P流媒体资源调度算法。通过引入节点能力度和数据块优先级概念,构建多层管理流媒体系统模型。在此基础上,给出多源节点协同调度算法。实验结果表明,与基于数据块优先级的资源调度算法、先来先服务算法相比,该算法能有效缩短系统启动时延,提高播放连续度。     

改进离散粒子群算法求解柔性流水车间调度问题

针对以最小化完工时间为目标的柔性流水车间调度问题(FFSP),提出了一种改进离散粒子群(DPSO)算法.所提算法重新定义粒子速度和位置的相关算子,并引入编码矩阵和解码矩阵来表示工件、机器以及调度之间的关系.为了提高柔性流水车间调度问题求解的改进离散粒子群算法的初始群体质量,通过分析初始机器选择与调度总完工时间的关系,首次提出一种基于NEH算法的最短用时分解策略算法.仿真实验结果表明,该算法在求解柔性流水车间调度问题上有很好的性能,是一种有效的调度算法.     

一种P2P流媒体数据调度策略的研究

针对现有P2P流媒体调度策略在确定数据块的调度优先权以及节点服务能力时存在的不足,提出了一种以数据块的紧迫度和稀缺度为基础的凋度优先权的计算方法,以及提出了邻居节点的服务能力的计算方法,经过仿真试验证明町知该策略能有效的解决现有算法的不足,使流媒体启动延迟较小、播放流畅,且能使流媒体系统负载均衡。     

基于遗传算法的P2P流媒体数据调度策略研究

介绍一种基于P2P的点播系统中的数据调度策略。该策略的主要特点是使用了遗传算法进行寻优,并针对该问题提出了相应的编码方式、适应度函数,罚函数以及控制服务器负载平衡的修补策略,在服务器和P2P网络中节点之间进行合理的分配调度数据,从而充分利用P2P网络中节点的资源以减轻服务器的负载。最后通过仿真实验,验证了算法的有效性。     

基于贡献度的自适应P2P流媒体数据调度算法

在P2P流媒体系统中,数据调度算法是决定视频播放质量和系统性能的核心部分。针对当前P2P流媒体数据调度算法未能考虑节点带宽和服务能力的差异,从而造成对系统资源利用不充分的问题,提出一种基于贡献度的自适应(CBA)流媒体数据调度算法。算法定义节点贡献度来衡量节点的数据上传和可用带宽情况,预先向部分节点传输准备数据。并根据数据块优先级、带宽估计情况和节点贡献度等信息进行自适应调整,确定数据块请求的提供方和次序。仿真实验表明,CBA算法能充分地利用节点可用带宽,降低流媒体的启动延迟和服务器负载,改善系统的整体性能。     

基于改进DPSO的网格资源调度算法

基于市场经济模型的网格资源调度问题是一个典型的离散问题及NP-Hard问题,考虑到离散粒子群优化算法在解决离散问题上的有效性,本文在现有算法的研究基础上,提出一种基于改进的离散粒子群优化算法的网格资源分配和任务调度算法,并采用GridSim模拟器对相关算法进行仿真模拟实验和比较。实验结果表明,本文提出的调度算法在作业完成时间、综合性能以及资源的负载平衡方面均具有较大的优势。     

一种基于节点可选度的P2P点播流媒体数据调度算法

当前的P2P(Peer-to-Peer)点播流媒体系统中数据调度算法未能充分利用每个用户节点自身的特性.在分析典型数据调度算法基础上提出一种基于节点可选度的数据调度算法(SSP算法).该算法一方面在调度下载数据块时综合考虑了邻居节点带宽能力及其所拥有的数据信息.另一方面对服务节点的请求处理过程进行了优化.SSP算法有利于提高用户节点播放视频的连续性,降低流媒体服务器的负载压力,从而改善P2P点播流媒体系统的整体服务质量.仿真结果和实际应用表明算法性能良好,适用于用户节点能力差异较大的P2P点播流媒体环境.     

基于MPSO算法的云计算资源调度策略

针对云计算服务集群资源调度和负载平衡的优化问题,提出一种基于改进的粒子群优化算法的云计算资源调度策略。将动态多群体协作和变异粒子逆向飞行思想引入到粒子群优化算法中,从而控制全局搜索和局部搜索,尽量避免陷入局部最优。在CloudSim 平台进行模拟测试,结果表明,该调度策略有效且执行效率较高。     

P2P视频直播数据调度算法

P2P技术解决了传统流媒体应用中的不能支持大用户的问题.而数据调度算法一直是P2P研究中的热点问题.在给出了P2P视频直播系统中节点能力的定义和计算方法后,结合BT中的Rarest First策略,提出了一种基于节点能力的适用于P2P视频直播系统的数据调度算法.该算法既考虑了流媒体数据具有时间限制的特性,同时也考虑了如何能充分的利用节点的上传带宽,增进了系统的负载平衡.     

An efficient scheduling algorithm for scalable video streaming over P2P networks

During recent years, the Internet has witnessed rapid advancement in peer-to-peer (P2P) media streaming. In these applications, an important issue has been the block scheduling problem, which deals with how each node requests the media data blocks from its neighbors. In most streaming systems, peers are likely to have heterogeneous upload/download bandwidths, leading to the fact that different peers probably perceive different streaming quality. Layered (or scalable) streaming in P2P networks has recently been proposed to address the heterogeneity of the network environment. In this paper, we propose a novel block scheduling scheme that is aimed to address the P2P layered video streaming. We define a soft priority function for each block to be requested by a node in accordance with the block’s significance for video playback. The priority function is unique in that it strikes good balance between different factors, which makes the priority of a block well represent the relative importance of the block over a wide variation of block size between different layers. The block scheduling problem is then transformed to an optimization problem that maximizes the priority sum of the delivered video blocks. We develop both centralized and distributed scheduling algorithms for the problem. Simulation of two popular scalability types has been conducted to evaluate the performance of the algorithms. The simulation results show that the proposed algorithm is effective in terms of bandwidth utilization and video quality.     

基于缓存区段的P2P流媒体调度算法

由于P2P环境的高度动态性和异构性,以及流媒体服务的高宽带和连续性强的特征,P2P流媒体系统中数据块和发送节点的调度便显得尤为重要。本文针对数据驱动的P2P流媒体系统提出了基于缓存区段的调度算法,即根据时间线将缓存划分为反映不同紧急程度的若干区段,以便节点根据资源副本数和紧急程度作出合理调度。模拟实验表明,在高 动态性的网络情况下,基于缓存区段的调度算法仍然能够很好地保证媒体流的连续性以及节点间的协作。     

P2P流媒体系统中数据请求任务转移算法研究

数据请求任务调度是P2P流媒体系统设计时需要考虑的重要问题之一。针对网状拓扑结构中每个节点接收到的请求分布不均问题,提出一种基于带宽和链路延迟的数据请求任务转移算法。实验结果表明,相比于未采用数据请求任务转移的算法,所提算法提高了平均播放质量和上行带宽利用率,从而改善了系统的性能。     

P2P点播系统中资源下载算法的研究

在基于P2P技术的流媒体应用中,数据的实时性至关重要,而它易受网络动荡的影响.采用一个优化的资源下载算法可以有效缓解这一影响.提出了一种基于预连接的动态资源下载算法,算法结合了紧急数据通道策略、数据分片块预下载选择策略和基于预连接的对等节点选择策略等三种策略,实验证明,该算法能有效提高点播系统中数据的及时到达率,均衡网络负载,减少数据重传率,增加系统的稳定性.     

P2P流媒体的数据调度算法

数据驱动型覆盖网络中的数据调度算法是影响P2P流媒体系统性能的重要因素,为了解决当前算法未能有效利用数据块和节点的特性导致流媒体服务质量差的问题,提出了一种基于数据块优先级和节点能力度的数据调度算法。该算法能够根据数据块的稀缺性、紧迫性得到块的优先级大小,根据节点的上行带宽、在线时间、相对距离得到节点能力度的大小,使优先级高的数据块和能力度大的节点优先被请求,减少了数据块的播放等待时间。在OPNET网络仿真实验表明该算法能够有效降低流媒体播放系统的启动延时和服务器的负载。     

一种推拉结合的P2P流媒体数据传输调度算法

主要研究P2P流媒体系统的数据传输调度策略对播放延迟的影响,通过分析CoolStreaming模型的单一拉策略和Gridmedia模型的推拉结合策略,指出它们在播放延迟方面的不足,从而提出了一种推拉结合的数据传输策略:在推传输模式下的数据分配策略对节点的播放延迟起到关键作用,给出一个Least-Delay数据分配算法使得接收节点的播放延迟接近最小值,并通过模拟实验验证了该算法的有效性。     

P2P流媒体数据块的优化调度策略

在基于数据驱动的P2P流媒体系统中,流媒体数据在参与应用的节点间进行分发,导致流媒体播放质量降低。针对流媒体数据块的分发调度问题,提出一种数据块分发调度策略,通过在调度中考虑节点所需数据块对其流媒体播放质量的影响,以期在合理利用节点有限带宽资源的同时,实现流媒体播放质量的优化。仿真实验结果表明,该策略在改善流媒体播放质量方面具有较明显的优势。