一种基于P2P机制的网格资源发现方法的研究

传统的网格资源发现系统采用集中式或者层次化的结构,但这些结构不能满足网格系统规模不断扩大的需求。而P2P系统是一种扩展性好的分布式系统,采用已有的P2P技术解决网格环境下的资源发现问题是一种有效的途径。简要介绍了目前采用P2P技术解决网格资源发现的问题,提出了一种采用超级节点模型和资源主动声明机制相结合的资源发现方法,并给出相应的算法描述,最后验证了其有效性。     

一种基于P2P机制的网格资源发现方法的研究

传统的网格资源发现系统采用集中式或者层次化的结构,但这些结构不能满足网格系统规模不断扩大的需求。而P2P系统是一种扩展性好的分布式系统,采用已有的P2P技术解决网格环境下的资源发现问题是一种有效的途径。简要介绍了目前采用P2P技术解决网格资源发现的问题,提出了一种采用超级节点模型和资源主动声明机制相结合的资源发现方法,并给出相应的算法描述,最后验证了其有效性。     

基于融合进化计算的网格任务调度算法

在网格计算中，任务调度是一个重要的组成部分。针对网格环境异构、分布等特点，该文结合遗传算法与蚂蚁算法的优点，在双层进化结构基础上，提出了一种基于融合进化计算的网格任务调度算法。模拟实验结果表明：在网格环境下，调度算法具有明显的优势。     

UVSP：一种融合网格与P2P资源的组织机制

分析了网格与P2P资源的特点，提出了一种融合二者资源的UVSP模型，以实现有效的资源表示、发现、访问和协同。根据此模型，为网格加入基于DHT的Bootstrap系统和为P2P系统加入服务化节点。讨论了资源组织体系结构，实现了一个具有BT Tracker功能的系统原型。该模型对网格与P2P系统资源的融合或具有异构拓扑的P2P系统之间的资源共享与协同有参考作用。     

网格环境下基于启发式智能算法的任务调度研究

网格环境中的资源和任务情况异常复杂,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,启发式智能算法被证明是解决这类问题的有效算法.本文提出将遗传算法和改进的蚂蚁算法融合起来解决网格环境下的任务调度.     

基于思维进化计算和蚂蚁算法的网格资源分配

网格环境中的资源调度是网格技术的核心问题之一，启发式方法在解决复杂困难的系统优化问题方面具有优越性，成为最通用的解决方案。将思维进化计算和蚂蚁算法2种新型的启发式优化算法融合，利用思维进化计算的快速寻优能力产生信息素的初始分布，再利用蚂蚁算法的正反馈机制求得最终优化解，并将该融合算法用于网格资源的动态分配研究。实验验证了该分配方案的有效性。     

网格计算中基于改进蚂蚁算法的任务调度研究

文中提出了一种以蚂蚁算法为基础的改进算法,用以解决网格环境下的任务调度问题.首先从蚂蚁算法的基本思想出发,结合网格环境下任务调度的特点,逐步改进了资源信息素的初始化处理、局部更新及全局更新方式,并针对网格环境下的任务给出信息素的概念;然后,综合考虑资源信息素和任务信息素两方面的需求,提出了一种新的任务选择资源机制;最终,提出了一种基于蚂蚁算法的、改进的网格任务调度方法.通过仿真实验的结果分析表明:基于蚂蚁算法的、改进的网格任务调度方法实现了网格环境下任务的有效调度问题,并使系统获得较好的负载平衡度.     

一种基于索引P2P分层的网格资源发现模型

网格资源发现是网格研究中的重要组成部分,随着P2P网络的兴起,许多新的概念和研究方向为网格研究提供了思路。针对网格环境下集中式和无结构P2P资源发现机制的缺陷,提出了一种基于索引P2P分层的网格资源发现模型,引入了索引P2P分层网络,充分利用了网格环境中节点性能的差异,具有较好的资源查找发现功能,并且对大规模的网格具有较好的适应性。     

一种基于P2P的非集中式网格资源发现方法

有效地发现网格的各种资源是影响网格整体性能的一个重要因素。针对资源发现在网格规模及应用不断扩展过程中变得越来越复杂的问题,在网格环境中融合Web Service技术,同时引入P2P思想,将资源发现模型分为内外两层,提出一个非集中式的网格资源发现方法,并应用于制造网格之中。实验证明,该模式有效解决了集中式模式带来的节点瓶颈等问题,并大幅降低分布式系统中资源发现产生的网络流量,具有高效性、可扩展性和鲁棒性。     

基于P2P机制的网格资源发现的研究

资源发现在网格的资源管理中占有重要的地位。本文首先简明描述了当前网格资源发现中存在的问题并指出了几种P2P模型中资源查找方式的优缺点。将P2P非结构化模型的思想引入到网格资源发现,提出Grid—P2P模型,给出了Super—peer层资源发现的算法描述。     

基于移动Agent的P2P资源发现模型PIMA

基于移动代理的P2P资源搜索方法是P2P搜索研究中较为新颖的方法.提出一种新的基于移动代理的P2P模型PIMA.并在此模型基础上提出相应的资源搜索算法.该模型集成节点集群技术和蚂蚁优化算法.以在Agent迁移中实现进一步的性能提高.     

P2P-Grid结构模型研究与设计

网格和P2P网络技术在当今分布式计算研究中有十分重要的意义和地位,这两种技术都是通过汇聚互联网中来自不同机构的数量庞大的资源,来满足用户之间的资源共享需求。但是它们在具体实现与应用中遇到一定困难。文中在分析了其各自的优点和不足的同时,比较了它们的相似性,提出了一种结合二者技术优势的新的分布式模型———P2P-Grid模型。它是由一些被称之为Super-Peer的小型的网格系统通过P2P技术互连构成。在充分比较该模型与银行运作模式的基础上,设计了整体结构模型,包括系统结构模型、功能模型和任务调度模型。     

网格与P2P计算混合模型研究

网格和P2P(PeertoPeer)都是分布式计算模型,它们的总体目标相似。利用P2P与网格技术之间的协同和互补,构造了一个二层的网格和P2P计算混合模型,上层是网格层,下层是P2P层。P2P层负责消息路由和资源发现,网格层负责为用户提供网格服务。该模型可以解决网格的单点失效、资源搜索等问题,同时增强网格的可扩展性。     

A P2P strategy for QoS discovery and SLA negotiation in Grid environment

In recent years, Grid systems and Peer to Peer networks are the most commonly-used solutions to achieve the same goal: the sharing of resources and services in heterogeneous, dynamic, distributed environments. Many studies have proposed hybrid approaches that try to conjugate the advantages of the two models. This paper proposes an architecture that integrates the P2P interaction model in Grid environments, so as to build an open cooperative model wherein Grid entities are composed in a decentralized way. In particular, this paper focuses on a QoS aware discovery algorithm for P2P Grid systems, analyzing protocol and explaining techniques used to improve its performance.     

Grid与P2P混合计算环境下基于推荐证据推理的信任模型

在Grid与P2P混合计算环境(Grid&P2P)中,Grid节点提供有QoS保证的服务,而P2P节点的计算资源属于自主贡献资源,不提供QoS保证,用户不为自己的行为承担任何责任,因此节点间的信任关系很难通过传统的信任机制来建立.参考社会学的人际关系信任模型,通过在Grid&P2P中建立信任推荐机制,并利用DS理论对推荐证据进行综合处理来解决该问题.分析及仿真实验说明,基于推荐证据推理的信任模型可以简单有效地解决Grid&P2P中的信任问题.     

基于蚂蚁算法的网格资源发现模型

提出了基于蚂蚁算法的网格资源发现模型（AA_GRRM），目的是利用蚂蚁算法作为资源发现的策略来实现网格资源的次优解。引入蚂蚁算法到网格资源发现领域，改进了传统的蚂蚁算法的信息素初始化和更新，提高了网格资源发现的准确率和效率，并设计了基于蚂蚁算法的网格资源发现总体结构，最后通过Matlab进行验证。     

基于Agent与分布式缓存的P2P资源发现策略

提出一种基于multi-agent与分布式缓存技术的资源发现模型,静态agent可维护本地资源信息,移动agents可通过在网络中的迁移来完成资源的发现,分布式缓存可以提供一种高效的搜索方式。在P2P网络中,使用该模型可快速找到资源,减少网络阻塞,改善扩展性与健壮性。