基于GridSim的A-MM调度算法模拟

对网格计算环境中的任务调度模块做了分析,介绍了两种最经典的网格任务调度算法:Min-Min与Max-Min.通过对两者的分析,得知Min-Min算法的优点在于其执行的高效性,但它存在资源负载不平衡的问题.而Max-Min则正好相反.经过对比,提出了一种平衡两者优缺点的A-MM算法.使用GridSim网格环境仿真包建立A-MM调度算法的模拟平台,对GridSim的内部机制及用法给予简单介绍,并通过模拟实验对A-MM算法进行性能评测.评测结果表明:A-MM算法的完成时间接近Min-Min,而负载平衡性接近Max-Min,平衡了Min-Min与Max-Min的优缺点.     

一种负载均衡的网格任务调度算法

在分析网格计算中经典的Min-Min和Max-Min任务调度算法的基础上,针对Min-Min算法存在的负栽不均衡的缺陷,本文提出了一种负载均衡的网格任务调度算法LBGTSA,以有效地均衡负载;给出了LBGTSA算法的设计原理和实现过程,而且采用GridSim模拟工具对LBGTSA和Min-Min算法进行了模拟实验,实验结果分析表明,LB（汀SA比Min-Min能获得更小的Makespan,而且能有效地均衡负载。     

基于GHS的任务调度算法改进

针对非专用网格性能预测调度系统（GHS）中元任务调度算法负载不平衡问题,提出一种启发式动态任务调度策略（H-MM）,结合Min-Min与Max-Min的优点,将H-MM植入GHS,结果表明H-MM在时间跨度与可扩展性方面较以往算法有较大提高。     

改进的Min-Min算法研究

任务调度是网格系统中重要的一环,而任务的调度算法更显得是重中之重。本文对Min-Min算法进行分析,指出Min-Min算法存在的不足。结合网格任务调度的目标,分别从最优调度、负载均衡、服务质量、价格费用4方面提出几种改进的Min-Min算法,重点介绍算法思路,指出算法的优缺点,为以后的改进工作提供参考。     

新的分布式任务调度算法

详细对比了传统Min-Min算法的高效特性和Max-Min算法的负载平衡特性,结合Min-Min和Max -Min算法的优点,提出新的具有动态特性的启发式算法(Heuristic task scheduling algorithm based on Min-Min and Max-Min,H-MM),H-MM解决了Min-Min算法负载不平衡问题。实验表明,H- MM在充分保留Min-Min算法执行任务高效基础上实现了算法的动态平衡负载执行特性,得到了更好的任务调度执行效果。     

一种结合优先级和QoS的任务调度策略

任务调度算法的研究是网格计算的关键问题之一,直接关系到网格中调度的效率和质量.Min-Min算法总是调度完成时间最短的任务,具有实现简单、时间跨度短的优点,但也有机器严重负载不均衡的缺点;QoS Guided Min-Min算法对Min-Min算法有所改进,但仍然存在不足.提出基于任务优先级和QoS约束的Min-Min算法,并在GridSim上模拟实现三种算法,验证改进后算法的优越性.     

Min-Min调度算法的研究与改进

在动态、异构的网格环境中,任务调度是复杂并且极具挑战性的一个问题。在分析任务调度算法的基础上,着重研究了经典的Min-Min调度算法,分析了Min-Min调度算法的缺陷,即负载不均衡,并且不能从经济的角度来实现调度。针对负载均衡和经济这两方面来对Min-Min调度算法进行改进,提出了基于价格改进的Min-Min调度算法,分析表明,改进后的算法在一定程度上平衡了负载,并且节省了一部分费用,说明了算法的可行性。     

在线课程下的自适应查询调度算法

在线课程系统中,针对如何将查询请求充分映射到有限资源上这一热点问题,设计基于系统负载平衡的自适应查询处理器。该处理器综合考虑服务器、带宽等性能指标,建立由服务资源单元和远程查询消耗单元组成的基于资源负载平衡的查询期望代价矩阵,并结合利用Min-Min和Max-Min算法的优点,提出新的自适应查询调度算法(A-MM)。实验表明A-MM有较好的执行效率和平衡负载能力。     

GridSim网格仿真工具研究

本文研究了网格仿真工具GridSim,介绍了GridSim的测试和开发方法.利用网格模拟工具,可以节省网格实验时间和费用,并可重现实验结果,给新算法和调度策略的研究提供了极大的方便.本文在GridSim中实现了Min-Min算法以及基于QoS约束的改进Min-Min算法,通过模拟实验验证了改进算法的性能.     

大规模在线课程非专用资源预测与查询调度

大规模在线课程系统需要大量资源作支撑。资源使用的动态性及租用的固定性导致资源被浪费。将“非专用”思想应用于系统,可整体降低资源租用量。首先通过马尔可夫“生灭”过程预测资源状态,筛选出“非专用”资源;接着建立查询期望代价矩阵,使用A-MM（Adaptive Min-Min and Max-Min）算法进行自适应查询处理;最后实验表明,预测错误率低,性能稳定;A-MM有较好执行效率和平衡负载能力。     

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。     

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。     

GridSim网格仿真工具研究

本文研究了网格仿真工具GridSim,介绍了GridSim的测试和开发方法。利用网格模拟工具,可以节省网格实验时间和费用,并可重现实验结果,给新算法和调度策略的研究提供了极大的方便。本文在GridSim中实现了Min-Min算法以及基于QoS约束的改进Min-Min算法,通过模拟实验验证了改进算法的性能。     

基于Min—Min和蚁群算法的网格任务调度方法

网格任务调度是网格计算的研究热点,也是一个NP难问题。文章结合Min-Min算法和蚁群算法的优点,提出了一种基于Min—Min群算法（MMACO）的任务调度方法。仿真实验表明：在网格环境下,该算法具有较好的全局最优求解能力和较快的收敛速度。