基于MAS市场机制的动态计算资源调度模型研究

针对动态计算网格资源调度问题,结合多Agent系统(multi agent syste,MAS)协同技术和市场竞价博弈机制,对计算网格资源分配技术进行了深入研究,提出了能够反映供求关系的基于市场经济的网格资源调度模型,该模型一方面能够充分利用消费者Agent的协商能力,另一方面能够充分考虑消费者的行为,使得消费者的资源申请和分配具有较高的合理性和有效性.同时,设计了消费者的效用函数,论证了资源分配博弈中Nash均衡点的存在性和惟一性以及Nash均衡解.基于所提资源调度模型,设计了一种网格资源调度算法.仿真实验表明,资源调度算法能够为消费者的资源数量提供参考,规范消费者竞价,从而使得整个资源的分配趋于合理.     

自适应邻域的多目标网格任务调度算法研究

针对网格计算中的多目标网格任务调度问题,提出了一种基于自适应邻域的多目标网格任务调度算法。该算法通过求解多个网格任务调度目标函数的非劣解集,采用自适应邻域的方法来保持网格任务调度多目标解集的分布性,尝试解决网格任务调度中多目标协同优化问题。实验结果证明,该算法能够有效地平衡时间维度和费用维度目标,提高了资源的利用率和任务的执行效率,与Min-min和Max-min算法相比具有较好的性能。     

网格计算中任务调度算法的仿真研究

研究网格计算中任务调度优化问题,由于网格环境具有动态性、异构性等特点,对高效调试资源效率有影响,导致传统网格任务调度算法收敛速度慢、局部最优等缺陷,使网格任务调度效率低.为了提高网格任务调度效率,提出一种基于粒子群算法的任务调度模型.模型根据任务调度原理和粒子群算法特点,建立了网格任务调度的元任务模型和性能指标的数学模型,然后采用粒子群算法对该模型进行求解,提高资源利用率和任务执行效率.仿真结果表明,根据粒子群算法的任务调度策略,提高了任务调度的速度和效率,很好的解决网格任务调度中存在的难题.     

一种新的经济网格计算任务调度控制模型

针对动态计算网格资源调度问题,基于多智能体协同技术和市场博弈机制,对计算网格资源分配技术进行了深入研究,提出了基于计算经济的网格资源调度模型,设计了消费者的效用函数,讨论了资源分配博弈中Nash 均衡解,设计了一种网格资源调度算法.仿真实验表明,资源调度算法能够为消费者的资源数量提供参考,规范消费者行为,从而使得整个资源的分配趋于合理,促进交易量.     

基于MAS协作机制的动态计算资源优化调度模型

计算网格资源调度的目标是提高网格资源的利用率、改善网格应用的性能,它是网格中需着力解决的问题之一.目前,围绕着网格中的资源调度方法,虽已提出了多种调度算法,但是都不能很好地适应网格环境下的自治性、动态性、分布性和异构性等特征.针对上述问题,文中运用MAS协同技术和市场演化博弈机制,建立了一个动态计算资源优化调度模型和演化博弈算法,构建了消费者效用函数,讨论了资源请求博弈中Nash均衡点的存在性和唯一性以及Nash均衡解,分析了模型的性质.实验结果表明,资源调度模型不但可以有效减少不必要的延迟,而且在响应时间的平滑性、吞吐率及资源利用率方面比传统方法要好,从而可以达到优化系统效率和提高用户满意度的目标.     

一种快速网格任务调度策略

网格任务调度目标有很多,如用户要求任务轮转时间短、花费代价小,而资源提供者希望资源利用率高等,这些目标相互冲突,因此网格任务调度不仅是一个NP难问题,而且是一个多目标优化问题.本文根据网格环境下任务的时间相关性特点,对传统蚁群算法进行了改进,提出了一种快速网格任务调度算法.该算法不仅解决了网格调度中多目标优化问题,而且依据任务调度历史信息生成蚁群算法的初始信息素分布,提高了蚁群算法的求解速度.     

网格资源超图划分聚类任务调度

网格计算是当前一个活跃的研究领域,其中任务调度是实现网格计算目标的一个重要部分.为获得良好的网格任务调度性能,提出了一种基于资源超图划分聚类的网格任务调度算法RHPC.该算法根据网格环境下资源数量庞大、异构、多样的特点,在构建的网格资源超图模型基础上,预先对资源进行性能划分聚类,将任务与聚类资源相匹配并实施调度.模拟实验结果证明算法缩短了任务资源相匹配的时间,提高了任务调度的性能,是一种有效的网格任务调度算法.     

混合算法在网格任务调度中的应用研究

研究网格任务优化调度问题,针对需求的复杂和网格系统具有异构性和动态性,导致网络任务调度过程相当困难.传统调度算法调度效率低、资源负载不平衡.为了提高任务调度效率,降低资源负载不平衡性,提出一种混合的网格任务调度优化算法.首先采用遗传算法全局搜索能力快速形成初始解,然后将遗传算法的调度结果作为蚁群算法的初始信息素分布,最后利用蚁群算法所正反馈性机制迅速地形成任务调度的最优解.仿真结果表明,混合算法减少网格任务调度系统任务完成时间,提高了任务调度效率,为网格设计提供了依据.     

基于网格资源超图模型的可信任务调度

网格任务调度是当前重要的研究领域。网格环境具有动态性、异构性等特点,网格资源的处理性能和稳定性都是影响到任务调度顺利完成的重要因素。为了获得更小的任务完成时间,该文根据网格环境的特点,建立了网格资源超图模型,在该模型基础上对资源按性能进行聚类,并提出一种可信任务调度算法GRHTS。模拟实验结果表明,该基于网格资源超图模型的可信任务调度算法优于同类算法,是一种有效的网格任务调度算法。     

混沌粒子优化算法在网格任务调度的应用

研究网格计算中任务调度优化问题,由于网格环境具有动态性、异构性等特点,导致传统网格任务调度算法的调度效率,网格负载严重不平衡.结合粒子群的快速性和混沌的遍历性优点,提出了一种基于混沌粒子群优化算法(CPSO)的网格任务调度优化方法.首先建立网格任务调度问题的数学模型,然后采用CPSO对其进行求解,通过混沌变量产生优化粒子群,加快网格任务调度求解速度.仿真结果表明,CPSO提高了资源调度效率,网格负载更加均衡,具有较好的应用价值.     

网格环境下一种新的动态任务调度算法

现有的任务调度算法大多没有考虑网格环境的特点,因此性能还有待提高。针对这个问题,将任务完成时间和网格资源置信度结合起来,给出了一个可调节的局部目标函数,提出了一种新的启发式动态任务调度算法TSAMRC。模拟实验表明,该算法对于网格环境具有更好的调度性能。     

A distributed multiple dimensional QoS constrained resource scheduling optimization policy in computational grid

This paper is to solve efficient QoS based resource scheduling in computational grid. It defines a set of QoS dimensions with utility function for each dimensions, uses a market model for distributed optimization to maximize the global utility. The user specifies its requirement by a utility function. A utility function can be specified for each QoS dimension. In the grid, grid task agent acted as consumer pay for the grid resource and resource providers get profits from task agents. The task agent' utility can then be defined as a weighted sum of single-dimensional QoS utility function. QoS based grid resource scheduling optimization is decomposed to two subproblems: joint optimization of resource user and resource provider in grid market. An iterative multiple QoS scheduling algorithm that is used to perform optimal multiple QoS based resource scheduling. The grid users propose payment for the resource providers, while the resource providers set a price for each resource. The experiments show that optimal QoS based resource scheduling involves less overhead and leads to more efficient resource allocation than no optimal resource allocation.     

移动网格环境下可靠任务调度研究

移动网格的资源环境具有很高的动态性,在任意时刻可能发生资源加入、退出、故障、移动等。采用任务复制策略实现对资源不可靠性的容错。用weibull分布刻画资源的可靠性,建立任务复制模型;形式化描述了基于复制策略的独立任务调度问题,给出调度目标和约束条件;通过遗传算法解决调度问题。仿真结果表明,调度算法具有良好的可扩展性,调度性能与资源可靠性呈线性关系。     

一种基于Cache的网格任务反馈调度方法

网格调度的目标提高网格资源的利用率、改善网格应用的性能,它是网格中需着力解决的问题之一.目前,围绕着网格中的任务调度算法,国内外已做了大量的研究工作,先后提出了各种调度算法.但是,这些调度算法不能很好地适应网格环境下的自治性、动态性、分布性等特征.针对目前网格调度机制存在的问题,提出了一种动态的网格调度技术--基于Cache的反馈调度方法(cache based feedback scheduling,简称CBFS).该调度方法依据Cache中所存放的最近访问过的资源信息,如最近一次请求提交时间、任务完成时间等信息进行反馈调度,将任务提交给负载较小或性能较优的资源来完成.实验结果表明,CBFS方法不但可以有效减少不必要的延迟,而且在任务响应时间的平滑性、任务的吞吐率及任务在调度器等待调度的时间方面比随机调度等传统算法要好.     

基于模糊认知图的动态网格分布式资源调度

论文利用多代理的理论,通过网格节点自主选择任务来实现网格系统中的资源优化调度。由于各节点的自主性,对于任务分配方案将存在不同的支持度。论文采用模糊认知图,建立了对任务分配方案的支持度的协调控制策略,并在此基础上给出了一种智能的网格资源调度策略。考虑到各个网格节点的资源配置各不相同,提出了标准支持度的概念,保证了支持度协调策略的可行性和有效性。该调度策略无需存在处于上层的资源调度单元,各节点通过协调对任务分配方案的标准支持度即可实现网格资源的优化调度。该策略适用于分布式计算,并支持网格节点的动态变化,具有较好的实时性和鲁棒性。     

服务网格中资源可用性评估方法研究*

资源可用性的预测与评估是动态网格环境下合理资源选择和保证服务质量的前提和基础。基于相关资源和任务的历史信息,利用概率论方法对资源可用性进行了预测与评估,提出了资源离线时间、本地任务执行时间、等待队列长度、等待时间等可用性尺度,证明并给出这些尺度的分布函数。实验表明,基于相关历史信息对资源可用性进行预测方法有效,并且根据资源可用性评估及提取的相关可用性尺度来确定任务调度的候选资源,可大大减少候选资源数目,从而降低调度的时间复杂度。     

面向可靠性一费用优化的网格任务调度模型及算法研究

网格资源的异构性、动态性等特征使得网格任务调度仍面临着诸多问题。针对传统可靠性评佑模型仅考虑 资源失效的问题,在考虑本地任务会抢占网格任务执行资源的情况下,引入任务执行延期失效,从而建立了一种新的 网格资源可靠性评估模型。该模型使用随机服务系统理论建模网格资源的动态负载压力,给出了任务在资源上的执 行可靠性的计算方法及证明。基于建立的网格资源可靠性模型,建立了面向可靠性和费用的多目标任务优化调度模 型,以获得最大化任务执行可靠性、最小化任务执行费用的任务调度策略。针对该NP问题,采用化学反应优化算法 对该优化问题进行求解,并给出了算法4种操作的具体实施方法。仿真实验表明,所提出的可靠性评估模型更符合真 实的网格系统,与遗传算法、粒子群算法相比,化学反应优化算法能更好地解决可靠性一费用双目标优化的网格任务调 度问题。     

一种基于任务响应时间预测的网格调度算法的研究

针对网格环境下计算节点的自治性、异构性、分布性等特征,提出了一种动态的基于任务响应时间预测的调度算法。该调度方法依据历史数据和最近访问过计算节点的任务请求提交时间、任务完成时间、网络通信延迟等信息,预测计算节点将来的任务响应时间,将任务提交给轻负载或性能较优的计算节点完成。实验结果表明,该方法不但可以有效减少不必要的延迟,而且在任务响应时间、任务的吞吐率及任务在调度器内等待被调度的时间方面比随机调度等传统算法要优。     

基于移动代理网格计算中任务调度的研究*

目的是结合虚拟组织思想,给出在移动代理环境下的网格任务调度的模型。首先,阐述了网格环境下任务调度的六个主要方面,包括任务分解、资源发现与选取、任务分配、任务运行、任务监视与恢复、任务协调与集成。接着,给出了以移动代理技术为实现手段的、虚拟组织为网格基本管理单位的网格任务调度的体系结构,并对该体系结构进行了描述。     

基于动态关键路径的仿真网格资源调度算法

从仿真系统工作流的关键路径分析，确定关键路径上的联邦成员节点，使网格资源调度方面优先获得保证。簦于仿真网格系统运行的复杂性和不确定性，引入了随机规划理论，提出了仿真网格的动态关键路径概念以及基于动态关键路径的资源调度算法，共同解决当资源有限以及任务相关情况下仿真网格的资源调度问题。具体实现，主要使用遗传算法以及MCP算法。仿真实验结果表明，基于动态关键路径的资源调度算法能够优化仿真网格资源的调度。