基于QoS Guided Min—min改进后的网格调度算法

在对网格调度现有算法的研究基础之上，对QoS Guided Min-min算法进行了分析，介绍了在任务对资源有特殊要求时算法的不足，并对其进行了改进。最后，使用GridSim模拟任务调度，对Min—min算法、QoS Guided Min—min算法和改进后的QoS Guided Min—min算法进行对比分析，验证了改进后算法的高效性。     

基于有向无环图网格独立任务调度算法*

提出了基于有向无环图多约束网格环境下独立任务的调度模型,为其建立多约束线性规划模型,通过求解模型节点的优先级,获得网格各计算节点最优任务调度数;然后基于多约束最优任务调度方案,提出多约束带宽优先启发式算法(MCOPBHATS)和多约束计算速度优先启发式算法(MCOPCHATS)。实验结果表明,在多约束异构的网格环境下实现大量独立任务调度时, MCOPBHATS和MCOPCHATS算法的性能优于基于多约束最优任务调度方案的MinMin 算法。     

基于动态适应度的独立任务调度算法

在分析现有启发式调度算法的优缺点的基础上，综合考虑负载平衡和使尽可能多的任务调度到更适合它的机器上，提出了基于动态适应度（DFD）的调度算法，任务的DFD描述了最早完成时间所在机器对任务的适应程度，本算法以任务的DFD为优先级，优先调度DFD高的任务。与参考文献中其他算法进行比较表明，本算法能产生更好的调度结果。     

基于GRIDSIM的网格调度Min-Min算法改进研究

本文中的网格任务调度算法是在研究异构工作流系统基于OGSA网格协同任务调度的过程中,根据网格环境中资源的可用度,在特定的相依性网格任务环境下,对经典Min—Min算法进行了部分改进,提出基于资源可用度和任务相关性的相依性网格任务映射启发式算法。在作者所设计的层次网格任务调度器中得到了较好的调度效果和调度服务质量。     

一种自适应的动态网格任务调度算法

GRACE网格资源框架是一个分布式、可计算的经济学体系框架，针对框架中分配网格资源问题，引入近视算法，提出了一种自适应的动态网格任务调度算法。该算法通过在调度过程中动态监测系统的负载平衡度，自适应地选择任务调度策略。经模拟试验证明，该调度算法提高了任务的调度成功率。     

网格任务调度算法Min-min的GridSim模拟实现

该文用模拟方法研究网格中的任务调度问题．首先对Min—min算法进行分析,然后用GfidSim对Min-min调度算法进行模拟实现,阐述了实现过程,并统计模拟结果,对Min—min算法的MakeSpan和负载等性能进行了分析,验证了模拟实现过程的正确性。     

基于请求负载的网格任务模糊控制调度策略

在面向大规模复杂应用的网格环境中,网格任务的优化调度变得越来越重要.文中首先提出了一种新的网格任务-服务映射算法,即基于任务负载和优先级的网格任务模糊控制调度策略.在考虑到外部网格任务请求负载和优先级的基础上,能够减少众多网格任务的平均完成时间.使得资源利用更加合理,同时还考虑到了网格服务的价格,即在满足任务负载影响和优先级的情况下,选择价格最小的服务.最后,开发了网格任务调度中间件,并在平台上给出了算法与其他几种常见的经典调度算法进行比较的试验结果.实验表明,算法明显优于已有的经典算法,具有较好应用情景.     

网格计算中的调度算法研究

主要研究了在网格环境中,基于大规模分布式资源集合上并行应用程序的调度算法,提出了一个新的调度算法——Segment Qos Min—Min P．R。该算法结合了Min-Min调度算法、RR调度算法、Qos Guided Min—Min Heuristic调度算法、Segmented Min—Min调度算法的优点于一身,并用GridSim模拟器对该算法的性能进行了仿真。     

基于GridSim模拟器的网格资源调度算法的研究

网格资源调度策略是网格计算领域中的关键研究方向之一,网格模拟器是资源调度策略优化和改进研究的重要平台,本文研究了GridSim模拟器．对此模拟器的整个框架结构和运行机制作了阐述,本文对基础的Minmin算法和QoS Guided Min—min算法进行研究和改进,并通过基于GridSim包设计了应用程序对改进后的算法进行了相应的模拟。模拟研究结果表明,改进后的算法在任务平均完成时间上优于以前的算法。     

网格计算中Min—Min算法及改进算法的研究

讨论了Min-Min算法、QoS guided Min—Min算法以及基于任务优先级的QoS guided Min-Min算法,并分析了实验仿真结果。     

基于QoS的网格负载调度算法

针对多数启发式算法不能满足任务紧迫性需求的问题,基于Min-min算法和Sufferage算法的优点提出基于紧迫性需求的系统损失与任务复杂度平衡(QoS-based BSLTC)算法。在网格任务中加入QoS参数,在任务调度过程中,基于任务的分配损失和权衡系数,比较最大损失任务和最高计算复杂度任务,选出对系统性能影响最大的任务,并将该任务映射到完成时间最早的资源。分析结果表明,与Min-min算法和Sufferage算法相比,QoS-based BSLTC算法具有执行效率高、任务完成总时间短、负载均衡度高、兼顾任务紧迫性的优点。     

基于网格技术的校园网作业服务模型和调度算法

为了消除校园网的信息孤岛,降低资源浪费,实现资源充分共享,提出了基于网格技术的校园网作业服务模型,并设计和实现了基于可信度遗传策略的作业调度方法。该算法充分结合遗传算法的优点,从而使调度系统具有了一定的自主性和智能性。实验结果表明该算法收敛速度快,全局寻优能力强,整体性能优于遗传算法和Min-min作业调度算法。     

一种双匹配动态调度算法

提出了适于异构环境独立任务调度的双匹配动态调度算法（BM算法）．BM算法将任务与处理机实现双匹配，使大部分任务在执行时间最短而且完成时间最早的处理机上执行．对于无法实现双匹配的任务，采用最早完成时间最小者优先的策略进行调度．BM算法可以同时满足负载均衡和高吞吐率两个目标．BM算法与通常用作评测基准的Min-min算法的比较结果表明，BM算法的运行时间远少于Min-min算法，其调度跨度比Min-min算法减少约9％．     

一种支持服务网格的动态负载平衡系统

为了实现服务网格系统内负载的均衡分布，提高资源利用率和系统的吞吐率，设计并实现了一种基于服务网格环境的动态负载平衡系统。提出了层次式负载平衡调度模式，给出了本系统结构形式，设计并实现了一种综合考虑各局部代理作业数和各个局部代理性能以及当前的负载情况的动态双阈值作业分配算法。实验结果表明，此算法能有效地基于负载分派作业，达到了提高网格内分布资源的利用率和减少作业调度时间的目的。     

一种改进的启发式网格任务调度算法

网格任务调度算法是影响网格成功与否的关键技术之一。网格计算中,一个好的任务调度算法不但要考虑所有任务的makespan,使其值尽量小,同样要考虑到整个系统机器间的负载平衡问题。文章对异构计算环境下的元任务调度算法进行了分析,针对Min-min算法可能引发的负载不平衡问题,结合网格计算环境的特点,提出了一种适用于网格计算环境中的任务调度算法。     

分布式环境中的多作业执行调度策略与优化

分布式大数据计算引擎是科研机构、互联网企业和政府部门处理大规模数据必不可少的工具,它们的使用和推广促进了各个领域的快速发展,为社会进步做出了巨大贡献。但是,在多作业处理的情况下,目前主流的大数据计算引擎在资源分配和作业调度方面仍有许多不足之处,它们通常对多作业平均划分内存资源并以先进先出FIFO的方式调度作业,这样简单的资源划分方式和作业调度机制并不能充分利用系统性能。针对此问题,从计算引擎的作业层面做出了改进：在资源划分方面,通过提取作业特征对作业的任务量进行预估,判断作业任务量和作业预分配资源间的差异,合并对集群资源浪费较高的作业,充分利用计算资源;在作业调度方面,对作业池中的作业进行特征提取,使用多路K-means算法对作业进行聚类分析,然后基于分析的结果,使用自平衡轮询调度算法对作业进行调度,达到负载均衡的目的。为了验证所提算法的有效性,使用大规模文本数据集在分布式集群环境中进行对比实验,实验结果表明,提出的作业合并算法和多作业调度算法可以减少5%~23%的作业运行时间,提高了7.5%~29%的系统吞吐量,在最好情况下可减少40%的线程启动数。     

信任驱动机制下的网格负载调度算法

利用网格信任模型与效益函数,结合资源当前负载状况,提出一种基于负载均衡的任务调度算法——Trust-Driven_Load（TD_Load）,在满足最大信任效益值的条件下,采用预计最短完成时间对多个资源进行选择。实验结果表明,在相同的条件设置下,TD_Load算法在资源负载、makespan和任务平均等待时间上优于基于信任效益值的传统算法,而且算法时间花费小,当任务数量增多时,综合调度性能更优。     

云资源中多目标集成蚁群优化调度算法

针对云计算环境的复杂性和云资源的不确定性,提出多目标集成蚁群优化调度算法。采用熵度量云资源的不确定性,进行信息素全局更新,以提高算法收敛速度;将Min-min算法得出的任务预期最小完成时间作为启发信息,以实现最小调度时间;在信息素局部更新时加入负载系数,根据当前负载情况调节信息素,满足负载均衡需求,同时在更新时考虑信息素扩散因素,不仅计算当前节点还考虑周遭节点信息素情况,可增强蚂蚁间协作,提高最优解的性能。改进后算法比原始蚁群算法降低了算法复杂度,提高了最优解精度。云仿真系统实验测试表明改进算法在调度时间、负载均衡等方面表现均优于其他算法。     

基于混合蚁群算法的网格任务调度

针对网格任务调度的调度时间长、资源负载不平衡等问题,提出一种基于混合蚁群算法的网格任务调度方法。该方法将禁忌搜索作为蚁群算法的局部搜索策略,以扩大解的搜索空间,避免陷入局部最优,并通过多样化机制提高算法收敛速度。利用平衡因子调节信息素的更新,改善资源的负载平衡性能。     

基于对等模式的虚拟计算环境下的一种任务调度算法

基于对等模式的虚拟计算系统体系结构,提出一种基于加权随机和反馈机制的任务调度算法. 选定的调度节点首先对资源进行按需筛选和静态量化排序, 继而对权重递减的资源进行随机选择, 然后获取相应动态信息进行过载过滤及排序得到最终资源, 最后通过反馈机制实现算法对系统负载的自适应性. 实验表明该算法有效避免了系统瓶颈, 平衡了负载, 具有较好的自适应性.