Web服务工作流中基于信任关系的QoS调度

不确定或恶意欺骗的服务节点对服务工作流调度的影响常常是致命的,因此仪从性能QoS角度研究工作流调度存在片面性.针对当前工作流调度中存在信任机制与调度机制分离的缺陷,提出了基于信任关系的工作流QoS调度方法,通过建立信任调度模型,利用D-S理论进行信任度计算,同时阐述了工作流路径级信任关系的慨念及其传递、合并的计算方法,并将信任关系作为Qos调度的重要指标来综合考虑.该方法在保证工作流性能QoS要求的同时兼顾信任Qos的要求,大量实验结果表明:该算法较传统的基于性能QOS的调度而言,不仅具有更优的Qos性能,而且显著提高了调度的成功率.     

基于信任机制的网格资源调度算法

针对目前网格资源调度中忽视信任机制的缺陷,在行为信任模型和能力信任评估的基础上,提出一种信任驱动的资源调度算法TDS。该算法同时兼顾了性能QoS和信任QoS。仿真实验结果表明,TDS算法与传统的基于性能QoS的算法和基于信任QoS的算法相比,在最小完工时间和服务请求提交成功率方面具有较好的性能。     

基于信任机制的网格资源调度算法

针对目前网格资源调度中忽视信任机制的缺陷,在行为信任模型和能力信任评估的基础上,提出一种信任驱动的资源调度算法TDS。该算法同时兼顾了性能QoS和信任QoS。仿真实验结果表明,TDS算法与传统的基于性能QoS的算法和基于信任QoS的算法相比,在最小完工时间和服务请求提交成功率方面具有较好的性能。     

一种基于信誉QoS的网格资源调度算法

针对目前网格资源管理中存在的调度机制与信任机制分离、资源调度过多依赖于性能服务质量（QoS）的缺陷,讨论了基于信誉QoS的网格资源调度问题．分析了全局可信度模型,提出了基于信誉QoS的网格资源调度算法．该算法在保证服务安全性和可靠性的同时兼顾了网格负载平衡．实验结果表明,该算法在保证服务质量、维护系统性能和抵御恶意节点攻击等方面具有良好的综合性能．     

信任驱动的网格调度算法

针对目前网格资源管理中任务与资源匹配问题的不足,基于信任效益函数与匹配概念,提出了信任驱动的网格调度匹配算法。在调度中同时还考虑了任务和资源效益值,对已经提出的两种信任驱动的网格调度算法进行改进。结果证明:该算法较传统基于的信任驱动调度算法而言,信任效益值,资源效益值,负载平衡和失效服务数等方面有较好的综合性能。     

基于信任机制与遗传算法的渲染网格作业调度研究

信任关系是网格作业调度中一个很重要的因素,也是影响网格计算有效性和性能的关键技术之一。将信任机制引入到渲染网格作业调度中,建立渲染网格环境中基于信任机制的作业调度模型,在调度策略上对基本遗传算法进行了改进,提出了基于信任机制的遗传算法。实验结果表明,该算法可以提高任务完成率和平均信任效益,是适用于渲染网格的一种有效作业调度方法。     

网格环境下信任QoS的量化研究

目前研究网格QoS(服务质量)越来越成为热点,很多论文里都能找到基于QoS的调度算法.但由于忽视信任机制的影响,大大降低了服务质量.所以本文中我们把信任加入了网格系统中进行研究服务质量问题,以期提高服务质量.在早期的研究中虚拟组织层将网格QoS参数分成了五类.本文基于这样的分类提出了一种量化信任QoS的方法,其中把信任QoS的参数分别考虑,并把量化模型应用到调度算法中与性能QoS进行比较,结果表明基于信任QoS优于性能QoS算法.     

TD_Max-min:信任驱动的网格任务调度新算法

利用信任机制的概念，对传统的Max-min调度算法进行改进，提出一种信任驱动的网格任务调度算法——TD_Max-min。在相同的假定条件设置下，将其与现有的TD_Min-min算法和TD_Sufferage算法进行仿真和比较研究。结果表明，信任驱动的网格调度算法不仅优于传统的基于时间的调度算法，而且当具有强信任关系的任务数量大于弱信任关系及无信任关系的任务数量时，TD_Max-min算法的调度性能明显优于TD_Min-min算法。     

基于信任驱动的网格任务调度新算法*

利用信任机制的概念,对传统网格调度算法进行改进,提出了信任驱动的动态调度算法TD_OLB、TD_MCT和静态调度算法TD_max-min;同时,在相同的假定条件设置下对这些新算法进行了仿真分析和比较研究.仿真结果表明,基于信任机制的调度算法不仅优于传统的基于makespan的调度算法,而且当要求强信任关系任务的数量大于弱信任关系及无信任关系的任务数量时,信任驱动的TD_max-min调度算法优于信任驱动的TD_min-min算法.     

节能及信任驱动的虚拟机资源调度

针对节能机制和信任驱动的资源调度机制相分离的特点,提出了一种应用到云计算数据中心中的节能及信任驱动的虚拟机资源调度TD energy-aware-Opt算法。该算法利用任务和虚拟机资源之间的信任机制进行任务和虚拟机资源之间的匹配,并通过最小化迁移算法对虚拟机进行实时迁移,以达到保证用户任务性能和数据中心节能的目的。对该算法进行大规模和多角度的仿真实验,结果表明:该算法与传统的基于信任驱动的最小完成时间TD min-min算法、基于信任驱动的最大完成时间TD max-min算法相比,能节省大量电能并且具有较优的平均信任效益、总信任效益和较低的服务等级协议违反率。     

网格环境下一种可调目标的启发式调度策略

针对网格环境下不同类型的任务执行时间相差较大的问题,提出了基于任务平均执行时间的忍耐度的概念,重新构造了启发式规则,体现了任务QoS的要求;并将这种服务质量的需求与任务完成时间相结合,给出了一个可调节的局部目标函数,实现了一种基于任务完成时间和任务服务质量的启发式调度算法OA-Sufferage;最后,给出了服务率(service ratio)的概念和定义,定量地衡量任务得到的服务质量.实验结果表明,该策略优先调度那些等待时间相对于执行时间较大的任务,提高了任务的服务率;而且可以通过调节局部目标函数中的偏好因子(preference factor),追求任务完成时间和QoS的不同目标,更加适合开放复杂的网格环境.     

信任驱动的网格作业调度遗传算法

作业调度是网格计算的关键技术之一.近年来,人们将信任机制融入到作业调度算法中,以满足作业调度对网格服务质量提出的需求.根据一信任模型,设计了求解基于该信任模型的遗传算法,该算法在保持种群多样性的同时,提高了局部搜索能力.仿真结果表明,该算法可以获得较好的调度结果,且收敛速度快.     

一个扩展的以QoS为指向的网格任务调度算法

在对网格计算的研究中，有人考虑了计算资源中服务质量(QoS)因素，在对传统的Min-Min算法加以改进的基础上，提出了QoS Guided Min-Min算法。在此基础上，本文提出一种新的扩展型算法，以进一步提高网格资源的利用率。最后，本文对以上三种算法的实验结果进行了比较分析。     

信任驱动机制下的网格负载调度算法

利用网格信任模型与效益函数,结合资源当前负载状况,提出一种基于负载均衡的任务调度算法——Trust-Driven_Load（TD_Load）,在满足最大信任效益值的条件下,采用预计最短完成时间对多个资源进行选择。实验结果表明,在相同的条件设置下,TD_Load算法在资源负载、makespan和任务平均等待时间上优于基于信任效益值的传统算法,而且算法时间花费小,当任务数量增多时,综合调度性能更优。     

多QoS约束的双目标最优的网格工作流调度研究*

针对当前网格工作流调度算法中大多只考虑DAG结构的网格工作流,涉及QoS参数较少或将多QoS参数聚合成一个单目标函数进行优化调度,提出了一种多QoS约束的双目标最优的网格工作流调度算法。该算法是基于AGWL网格工作流模型和改进的MOPSO算法,其目标是在满足可靠性、可利用性和声誉这三维QoS参数约束下,同时最小化两个冲突目标,即响应时间和服务费用。通过与原MOPSO所设计的网格工作流调度算法比较,该算法能获得更优的优化解。