计算服务网格中基于服务聚类的元任务调度算法

在尊重网格资源本地调度策略前提下,提出一种基于云模型的动态服务能力评估方法;根据动态性能评估尺度对服务进行聚类,提出了一种基于PSO的自适应的服务动态聚类方法,将提供相同或相似QoS的服务划分到同一个服务簇中,从而缩小了任务调度的问题规模;基于服务动态聚类提出了一种元任务调度算法,理论分析该算法降低了不聚类调度算法的复杂度.实验结果表明本文提出的调度算法在时间复杂度与用户QoS保障方面优于以前提出的调度算法.     

基于网络性能的计算网格主机聚类

网络主机聚类是随着网格任务调度技术发展而产生的一个新技术,基于网络性能的主机聚类算法的时间效率和结果准确性有待于进一步提高．为解决这一问题,提出了实用且高效的基于密度的计算网格主机聚类启发式算法．对该算法性能进行多角度分析和大规模仿真实验,有力地证明了该算法不仅具有较优的时间效率,而且在有效结果簇、平均变化系数和平均优势比等方面具有较好的综合性能．     

基于网格显著度的视点质量计算方法*

从模糊贴近度的角度,结合网格显著度概念,给出了一种新的视点质量计算方法。首先将场景中的每个三角形看做论域中的一个样本,从可见度大小的角度定义隶属函数,为视点构造一个模糊集合;然后结合三角形的几何面积及面片显著度给出一个对应理想视点的模糊集;最后求取两个模糊集合的贴近度作为视点质量的评价准则。实验结果表明,该算法能够较好地反映视点质量。     

网格计算中费用约束的最优时间调度算法

在网格资源处理速度和资源价格异构的网格环境下,讨论基于用户费用约束的最优时间调度问题,提出一种相应的调度算法,将该任务调度问题转化为线性规划问题,采用单纯形算法获得近似最优解,从而获得费用约束下资源的最优执行时间以及该任务的最小完成时间。仿真结果表明,该算法的性能优于其他同类算法。     

计算网格中的资源选择与调度算法

针对文中描述的计算网格资源环境模型,构造了一种分布式的层次型任务调度模型,任务调度分为计算资源站点的选择以及资源站点内部的本地调度两层进行。通过研究该调度模型,提出了一种基于双目标衡量函数的资源选择算法,该算法可以通过设置相关参数动态调节响应时间和价格在总目标中所占比重。试验结果表明能够选择综合满足响应时间和价格这两个目标的计算资源,以适应用户的不同需求。     

Wingrid-面向参数扫描应用的网格计算系统

参数扫描应用在计算网格环境下扮演十分重要的角色。在Wingrid项目中,我们提出并实现了一种面向参数扫描的自适应调度机制。客户端,主节点和从节点的调度基础设施,以及基于领导节点的通信系统能够改善调度的效率。同时,我们比较了自适应workqueue算法和标准启发式调度算法。实验结果显示大网络延迟下,启发式调度算法效率高于workqueue算法,在各种启发式算法中,min-min启发式算法的任务完成时间最小。     

网格计算的研究新进展

网格计算诞生了一个全新的领域,它以大规模的资源协作共享、创新的应用以及高性能计算的特点,区别于传统的分布式计算。文章简述了网格计算的定义、特点、功能和基本体系结构,重点综述了网格的研究新进展及其商业化应用前景,分析了当前网格研究的发展趋势及其我国的对策。     

基于网格的聚类算法的虚拟物流企业伙伴选择方法研究

虚拟物流企业已成为21世纪信息社会生产、物流的主流组织形式。准确地选择和确定合作伙伴是建立虚拟物流企业的关键。本文提出了应用基于网格的聚类算法来选择虚拟物流企业合作伙伴。该算法能对虚拟物流企业信息平台提供的庞大的高维的成员企业信息数据库进行快速有效的数据挖掘,从而在全球范围内寻找潜在的合作伙伴,以供虚拟物流企业核心企业作为下一步精选的根据。实例仿真说明了该算法的有效性。     

基于网格最小生成树的聚类算法选择

为得到好的聚类效果,需要挑选适合数据集簇结构的聚类算法。文中提出基于网格最小生成树的聚类算法选择方法,为给定数据集自动选择适合的聚类算法。该方法首先在数据集上构建出网格最小生成树,由树的数目确定数据集的潜在簇结构,然后为数据集选择适合所发现簇结构的聚类算法。实验结果表明该方法较有效,能为给定数据集找出适合其潜在簇结构的聚类算法。     

基于模糊聚类和属性权重的网格资源选择

在网格的研究中,网格资源的合理选择和充分利用是网格技术追求的目标,为了更为有效的解决网格资源的选择,本文提出了一种基于模糊聚类和属性权重的资源选择方法。它以模糊聚类为基础,根据资源各属性对具体网格应用的重要度确定属性权重。最后确定资源分类。文章最后以一个具体实例说明该方法的资源分类过程。     

适用于应用模式的网格结点选择方法研究

网格环境中的任务调度面临着海量的计算和通信资源环境,所以调度者需要考虑资源的选择问题.传统的资源选择方法一般只考虑计算能力或通信能力的最大化,没有考虑资源的通信模式与应用的匹配问题.本文在Remos研究的基础上,提出了一个完整的基于应用通信模式的网格结点选择算法.算法使用子图同构的辨识方法来判断网格结点的连通关系是否与应用模式相匹配,在满足通信模式约束的前提下,再用贪婪算法来选择计算和通信均较优化的结点.在通用算法的基础上,特别考虑了基于Master-Slave和All-to-All应用模式简化结点选择算法.最后,利用仿真方法,将本文的算法和随机选择法进行了比较,结果表明本文算法选择的网格结点不但满足应用的通信约束,而且性能较优.     

基于遗传算法的网格资源调度算法

网格将多种资源组织在一个统一的框架下,为各种复杂的计算任务提供资源．因此计算任务在各种资源之间的调度成为了一个关键的问题．简述了在异构资源之间调度任务的重要性,提出了一种基于遗传算法的任务调度算法,该算法采用资源一任务的间接编码方式,通过DAG图获取子任务的层次关系,并将子任务按照层次深度排序,解决了种群中的非法问题．在单一资源上采用短任务优先和父节点优先两个原则来安排子任务的执行次序,以避免出现任务堵塞的现象．     

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。     

网格计算中任务调度算法的研究和改进

任务调度一直是网格计算中的热点问题,任务调度的目的是最优地分配任务,实现最佳的调度策略,以高效地完成计算任务。在网格环境中,资源的合理有效利用是实现任务调度的关键问题之一。本文首先论述静态任务调度算法和动态任务算法的原理和优缺点等,然后结合Min-min、Max-min算法的优点设计一种新的调度算法SA-MM,根据资源的使用情况自适应调度相应算法进行任务到资源的映射。最后,用GridSim模拟工具对网格计算中Min-min、Max-min和SA-MM任务调度算法进行仿真实验,分析和比较它们的调度长度(MakeSpan)和资源负载情况等影响任务调度效率的指标。     

基于动态遗传算法的网格计算任务调度

针对网格任务调度的动态特性,提出一种改进的遗传算法——动态遗传算法(DGA),设计了新的编码机制和适应度函数,以及相应的选择、交叉和变异算子。根据网格系统各服务节点的计算能力、负载及网络状态进行动态调度,不仅使总的完成时间最短,尽量使主机的空闲时间最短,同时满足每个任务的截止时间的要求。在OPNET环境中构建了一个局部网格仿真模型,对所提出的动态遗传算法进行了仿真实验,并与其他常见网格任务调度算法进行了对比,结果表明动态遗传算法具有很好的优化能力,提供了较好的服务质量。     

面向科学计算的网格环境

为了充分整合分布的高性能计算资源,本文提出一种面向科学计算的网格环境,旨在形成一个可统一管理和运行维护的虚拟的超级计算机资源,面向用户提供统一、易用、可靠的科学计算服务。面向科学计算的网格环境通过轻量级网格中间件SCE汇聚资源,支持作业的全局调度、数据的统一管理视图,面向用户提供命令行和网格门户两种使用方式,并提供编程接口供专业社区和学科平台二次开发使用,满足不同层次的用户需求。目前,面向科学计算的网格环境已经在中国科学院超级计算环境(ScGrid)中得到应用和用户认可。     

树型网格计算环境下的自适应任务调度算法

提出一种基于树型计算网格的自适应调度算法,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、任务传输时间和任务特性的自适应调度算法,即基于最优任务分配方案的启发式任务调度算法。通过实验与其他调度算法的比较,证明了所提出的任务调度算法在负载平衡和最优跨度方面具有明显的优越性。     

计算网格中经济模型调度算法

任务调度是网格计算系统的一个重要组成部分。随着网格计算的出现,由于缺少对网格资源的直接管理,给网格任务调度带来了新的挑战。目前的任务调度机制大多数只考虑了任务调度的服务质量(QoS),而没有考虑任务调度的费用。为此,在研究了目前已有的适应启发式任务调度算法之后,提出了在同等费用前提下,将任务调度到能够提供较高QoS的资源中去的任务调度算法。     

高能物理网格中动态自适应副本选择算法

提出一种在高能物理网格环境下适用的客户端动态自适应文件副本选择算法。该算法基于历史传输信息进行选择预测,并可根据实际情况进行合理配置。理论证明和真实环境下的运行结果表明,该算法能够很好地满足高能物理网格的需求。