基于PSO的多约束QoS网格资源选择模型

现有的网格资源选择算法中,只考虑到资源的可利用率,忽略了网络因素的影响,为此提出了一种基于粒子群优化算法的、带网络QoS约束的三层资源选择模型,并对该模型的算法进行了设计.该模型综合考虑了资源利用率和网络因素对网格资源选择的影响,过滤掉一些资源利用率很高但网络通信能力很低,甚至网络无法连通的结点,减轻了资源调度的负担.给出了一个仿真实例,以说明该模型和算法的有效性.     

遗传算法在资源选择上的应用

在网格环境下，资源选择的策略是决定应用程序性能的关键因素之一。目前的资源选择一般采用贪心算法，而在资源选择中引入遗传算法是一种新的尝试，其目的是提高资源选择的效率。这种资源选择首先产生若干个网格环境中可能的配置(第一代)，预测应用程序在每种配置下的表现。再以此为依据，应用多种交叉和变并策略，产生下一代的配置，直到得到满意的结果。对所选应用程序的两种不同规模的测试表明，在相同或更短的时间内，基于遗传算法的资源选择策略比贪心算法的资源选择策略得到更好的结果。     

基于人工免疫的网格资源任务调度算法

目前，网格计算作为一种新的计算范式正在兴起。资源调度是其中的一个重要研完领域。该文以AIS的克隆选择算法为基础，给出了基于人工免疫系统的网格资源调度算法。首先，对网格资源任务调度问题给出了形式化描述，随后用结构化的语言对算法进行了说明，最后通过仿真实验对算法的有效性以及算法参数对性能的影响进行了验证。     

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。     

蚂蚁算法在数据网格副本选择中的应用研究

数据网格中由于采用复制备份策略,文件存在多个副本.用户访问文件时,如何从拥有相同文件的多个结点中选择某一结点获取文件,达到以相同的代价获得最优质的服务,是一个迫切需要研究的问题.深入研究了蚂蚁算法的原理,分析了影响副本选择性能的主要因素,利用这些参考因素设计了基于蚂蚁算法的副本选择策略;并对这个新算法进行了分析和实现.经仿真平台实验,表明该算法可有效地减少数据访问延迟及带宽消耗,实现网格中存储节点间的负载平衡,提高数据的访问速度.     

基于遗传算法的网格制造资源优化选择

制造资源的选择和优化是制造网格应用过程中的关键问题.本文通过对已有制造资源搜索方法进行分析,指出其存在的局限性;在对资源选择问题进行数学描述的基础上,提出了一个基于遗传算法的制造资源组合优化模型,并对该模型的算法进行了设计;最后,给出了一个典型算例,以说明该模型和算法的有效性.     

一种带回馈机制的新型网格资源发现算法的研究

网格资源发现算法是网格资源发现机制的核心,传统的分布式资源发现算法通常只关注正向搜索的成功率,反向的响应报文仅仅用来向资源申请者报告搜索成功与否.本文提出了一种带回馈机制的新型网格资源发现算法,该算法充分利用响应报文与请求报文可能经不同路径返回的特点,在正向搜索失败时,启动反向搜索机制,在一个往返时间里进行二次搜索.模拟实验表明该算法可以较好地提高资源发现成功率,同时并未明显增加整个系统的开销.     

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.     

基于PSODE的网格任务调度算法

针对网格计算中任务在各个资源之间的调度问题,提出了一种网格环境下PSODE的任务调度算法.该算法实现了计算资源、存储资源、带宽资源、数据资源的利用率最高化和代价最低化.对基本粒子群算法和差分进化算法进行了分析,通过构造算法函数、适应值函数和权重公式,建立了粒子群差分混合算法并对其进行优化,介绍了算法的实现过程.实验结果表明,该算法与其它调度算法比较,具有良好的性能.     

分布式本体集成框架下虚拟本体集合动态生成算法

为了有效组织和管理网格环境内存在的各类分布异构的本体资源,提出了基于网关服务的分布式本体集成框架.从体系结构角度对本体集成过程中涉及到的功能模块进行分析和划分,并基于网格服务设计了关键组件.在此基础上从提高计算资源利用率和满足用户多样性需求的角度出发,提出了虚拟本体集合动态生成算法.该算法将缓存技术与虚拟本体相结合,为本体数据的自动生成和再生成提供了较完整的系统方法,增强了本体资源的复用性.实验结果表明,该算法可以提高计算资源利用率,实现本体资源的复用率.     

有限资源约束的产品开发多项目协同排程

针对有供应商参与的大批量制造企业产品协同开发特点,分析了多项目协同计划编制与设计资源在不同需求、不同时段、有无冲突等状态下的匹配情况,建立了多项目协同计划编制与资源颗粒约束匹配模型和实现算法,针对常见的计划与资源颗粒匹配时的无前置计划、有前置计划、计划与资源冲突等三种情况,提出了一种基于有限设计资源约束的新产品开发多项目协同计划编制方法,并用一实例对所建模型和计划编制方法进行了验证,证明提出的方法是可行的。     

基于MLON结构的资源发现机制

网格资源发现机制是目前网格领域中的一个热点研究问题。本文对已有的网格资源发现方法进行了分析,指出了这些方法存在的不足;提出了一种基于MLON结构的资源发现机制,将具有同一类型资源的网格信息结点组织在一起形成域,把结点数量较多的域通过类型粒度组织成层次形结构。该机制利用类型匹配路由的资源搜索技术将资源发现请求转发
发到资源所在的域,采用Topk技术在相应的域内找出与请求匹配的最佳的k个资源,从而改善了资源发现的性能,提高了用户的满意度。     

一种降低网格管理开销的方法研究

目前大多数的网格资源匹配和任务调度采用的是集中的方法,随着网格规模的扩大,管理开销将严重地抵消由于规模带来的网格性能的提高。论文提出了一种分布式网格资源匹配方法,同时给出了基于该方法的降低网格管理开销的办法,从而实现不依靠扩大网格规模但能够实现由于规模所带来的性能的提高。     

一种基于预测的资源匹配算法

网格任务调度过程中的资源匹配是根据任务要求从网格资源信息服务（GRIS）中查找出合适资源的过程。GRIS中记录的往往是资源的静态信息，由于本地负载的动态变化使得基于资源静态信息来确定的候选资源集中一些资源并不能满足任务的QoS需求。基于相关资源动态信息预测资源未来状态，给出了网格任务平均完成时间及完成时间的分布函数，并根据任务QoS需求，兼顾考虑资源当前及未来状态，提出了一种资源匹配模型与匹配算法。通过实验表明，该算法能有效减少候选资源数目，从而降低调度时间复杂度。     

基于非对称属性描述的网格资源匹配算法

针对网格资源匹配过程逐渐复杂化,以语义相似度查找机制为基础,提出了一种基于非对称资源属性描述的网格资源匹配算法BARM。BARM利用两次匹配对匹配过程加以边界约束,通过调整权重和阈值控制匹配结果的查准率和查全率,从而满足用户个性化的需求。     

基于匹配引擎覆盖网络的网格资源发现模型

提出一种基于匹配引擎覆盖网络的网格资源发现模型,该模型融合资源匹配技术与P2P定位方法的各自优势,既保证了丰富的资源匹配语义,又解决了资源定位的可扩展性问题,能够满足网格环境下多自治组织的资源发现需要。仿真实验发现,该模型能够快速准确地发现匹配资源,提高了网格资源发现的容错性、健壮性和可扩展性。     

基于超市模型的网格资源分配方法研究*

针对网格资源管理中的资源分配问题,提出了一种基于超市模型的网格资源管理分配方法.该方法能够实现子资源的快速匹配,从而减少了网格管理开销,更高效地分配了稀缺资源.     

基于资源特征匹配的虚拟机放置算法

针对目前数据中心的资源低效利用问题,提出了一种基于资源消耗特征匹配的虚拟机放置算法VMP-RUFM (virtual machines placement algorithm based on resource utilization feature-matching).算法在虚拟机应用的性能表现和访问模式两个层面上,建立虚拟机资源特征模型,进而选择资源消耗特征与物理机资源配置相匹配的虚拟机集合.实验结果表明,该算法对满足条件的虚拟机进行关联后,能够显著优化虚拟机整体资源消耗和对应物理机资源配置的匹配程度.     

基于内容分发的信息分发管理系统

在内容分发网络体系架构基础上,针对信息系统中通信服务需求与网络资源的矛盾,提出系统信息分发策略、内容分发流程、资源匹配与管理以及内容分发路由等信息分发管理概念和处理方法.基于业务信息不同的内容、类型和服务需求,采取相应的分发控制流程和管理方法,实现网络信息的按需分发及需求资源的合理匹配,为用户提供高效、稳定的内容服务,确保信息分发的实时性和服务质量.     

基于改进GA-PSO的可重构测试资源匹配方法

为提高测点信号与可重构测试资源匹配效率,建立了基于STD标准的测点信号与可重构测试资源的数学描述模型.针对可重构测试资源的特点,结合工程实际提出了基于Sigmoid函数的匹配函数,以资源可靠性、配置文件大小及配置时间因子作为罚函数,利用匹配函数构造出遗传算法的适应度函数.为解决遗传算法搜索速度较慢的问题,改进了遗传算法的选择算子和交叉算子,将粒子群算法应用到遗传算法中,解决了遗传算法在算法后期迭代效率低下的问题,最后通过实例验证了算法的有效性.