基于网络的多Agent协作环境下的任务分配

对基于网络的多Agent协作环境下的任务分配机制进行了论述,在合同网的基础上,提出了基于合同网的任务列表分配机制,以4台机器人为试验对象,有效地解决了动态环境下多机器人的实时性要求,实验和理论证明了其机制的优越性。     

Hadoop环境下基于数据本地化的Reduce任务调度策略

在MapReduce模型任务处理过程中,当Reduce任务开始执行,远程拉取Map阶段的输出数据时,会消耗大量的网络带宽,甚至会出现网络瓶颈问题。本文提出基于数据本地化和负载均衡的任务分配策略。该策略中用户首先设置采样数据量M,在Map阶段对前M个数据块进行采样;其次根据采样结果,同时考虑数据本地化因素,将Reduce任务进行分配;然后基于负载均衡将Reduce任务进行再分配,通过任务分配,系统生成一个任务分配表;最后启动Reduce任务,系统开始数据拉取,未被采样的数据根据任务分配表进行任务分配。通过大量实验验证,基于数据本地化和负载均衡的任务分配策略,既能减少Shuffle阶段数据的传输量,又能降低网络带宽的消耗,同时可以避免出现某些节点空闲而其它节点任务量大甚至处理不了的情况,从而提高了集群处理数据的整体能力。      

网络结构化多Agent系统的任务分配

网络结构化多Agent系统既包括系统运行的底层物理网络,还包括Agent之间的交互网络。传统的任务分配方式并没有深入考虑到网络结构化的特点。文中首先论述网络结构化多Agent系统中任务分配的特点,介绍和分析基于底层网络拓扑与资源分布的任务分配方式、基于Agent交互网络与资源分布的任务分配方式和基于综合网络情境资源的任务分配方式。然后对相关工作进行综述,并与网络结构化多Agent系统任务分配模型进行比较分析。最后论述该方向的难点和未来要解决的问题。     

基于规则的分层负载平衡调度模型

On a massively parallel and distributed system and a network of workstations system, it is a critical problem to increase the utilization efficiency of resources and the answer speed of tasks by using effective load balancing scheduling strategy. This paper analyzes the scheduling strategy of dynamic load balancing and static load balancing,and then proposes a hierarchical load balancing scheduling model based on rules. Finally,making somecomparisons with Other scheduling models.     

基于P2P的VOD系统中的数据传输分配算法

在基于P2P的VOD系统中,流媒体数据的传输模式一般是多对一的,数据传输任务在多个源节点间的分配是系统设计的一个核心问题。在保证流媒体连续播放条件下,给出了一个以缓冲延迟为优化目标的最优化分配算法ODTAP2P,并对算法的最优性给出了数学证明,并通过实例验证了算法的有效性。该算法在计算复杂性与同类算法相同的前提下更适合于实际环境下应用。     

传感器网络GaSA任务分配算法

传感器网络的某些应用,要求系统生命期必须达到数月、甚至数年。为了延长传感器网络生命期,需要研究能源有效的任务分配方案。首先对传感器网络的任务分配问题建模,并基于遗传算法和模拟退火法提出了传感器网络GaSA任务分配算法,最后对算法进行仿真实验,验证了算法的有效性。     

机群下基于网格的并行任务分配策略研究

针对网格划分的并行思想,以大型矩阵乘法为例,讨论了机群下并行子任务间分配策略的优化.描述了对矩阵实行网格划分的基本方法和并行算法的设计过程,并研究了在机群环境下的实现.分析了非理想状态下原有算法存在的不足,主要讨论了在网格阵列处理机上,如何对并行子任务进行优化分配,提出了一种合理的分配策略.通过实验结果分析,验证了该思想的正确性和实用性.     

自适应任务分配的粒子群优化算法

针对基本粒子群优化(PSO)算法早熟收敛、易陷入局部极值的缺陷,提出自适应任务分配的粒子群优化算法。该算法根据粒子的多样性动态分配粒子任务,把种群粒子分为开发和探索两种类型,分别采用全局模型和动态邻域局部模型执行开发和探索任务以平衡算法的全局和局部搜索能力,维持种群多样性。动态邻域模型扩大了解的搜索空间,能有效抑制早熟停滞现象,采用高斯扰动对处于停滞状态的精英粒子进行学习,协助精英粒子跳出局部最优,进入解空间的其他区域继续进行搜索。针对6个标准复合测试函数进行实验,结果表明所提算法具有更强的全局搜索能力,求解精度更高。