一种负载感知的异构MPSoC任务调度算法

处理器核的异构性、运行时负载和任务间依赖关系,是影响异构MPSoC任务调度算法性能的关键因素。该文提出了一种负载感知的异构MPSoC任务调度算法,在满足任务间依赖关系的前提下,根据计算开销和通信负载将待调度任务集划分为任务子集。在考虑处理器核负载状态的基础上,通过赋权二部图最大权匹配,将任务子集调度到适载的处理器核上运行,提高了待调度任务集总执行效率。仿真实验结果表明,该算法有效降低了任务集的调度长度,提高了处理器核的利用率。     

面向异构处理平台的任务调度算法

随着任务类型多样化和任务节点数目增多,传统调度算法以及一些改进算法得到的调度结果使系统整体运行时间延长,导致系统实时性下降。针对这一问题,提出一种面向异构处理平台的任务调度算法。首先,针对不同类型任务采用不同的排序策略,得到任务优先级列表;其次,充分考虑任务间的依赖关系,引入任务上行序值和下行序值权重因子,确定关键路径任务集合和关键处理器;最后,按照最早完成时间原则,结合空闲时隙插入策略和任务复制思想进行处理器分配。仿真结果表明,所提算法在同样的任务图中,能够降低任务调度中的通信开销,调度长度平均减少15%,调度加速比平均提高10%。     

高利用率集合Sporadic实时任务调度方法研究

该文提出一种基于最少迁移度和分割度的任务调度方法.该方法将各个实时周期任务分比例执行在不同处理器核上,并规定任务调度时的优先顺序,然后根据相应的实时调度流程对实时周期任务进行调度.并与已有的高利用率集合调度的准划分调度算法EDF-os、EDF-fm进行对比.结果表明该方法在保证系统利用率的同时,减少了任务分割和迁移的数...     

面向异构处理平台的最长路径列表调度算法

任务调度算法的硏究一直是异构计算技术研究中的热点,充分挖掘异构处理平台的并行优势,可最大限度实现平台资源的高效利用。通过分析异构处理平台的执行特点,设计符合异构处理平台的任务调庋策略,提岀面向异构处理平台的最长路径列表调度算法（ Longest pathlist scheduling algorithn,LPLS）。算法在任务优先级阶段,基于最长路径列表计算优先级,最耗时路径上的任务被优先调度;在处理器选择阶段,遵循任务完成时间最小的原则,所选择的处理器可使下阶段任务的完成时间更短,异构平台整体处理时间更小。仿真实验结果表明,相比于经典的HEFT算法,LPLS算法是一种负载更加均衡的算法,具有调度长度更短、效率更高等优势。     

基于非抢占RMS的分布式控制系统中实时任务调度算法

分布式控制系统是一种应用极为广泛的分布式实时系统,如何将系统中的任务分配到各个处理器上并保证它们的时限是系统关键技术之一．对于系统中每一个处理器上的任务采用非抢占RMS算法调度,该算法是一种最优的静态任务调度算法,在单处理器调度算法的基础上,结合启发式任务分配算法,提出了一种分布式控制系统的调度算法．该算法是一种静态任务分配算法,算法的开销小、网络负载量低;同时在任务分配时考虑了各个处理器的负载均衡．仿真结果表明了算法的有效性．     

基于利用率和负载均衡的多核实时调度算法研究

针对分区调度算法在实时多处理器系统中处理器利用率不高的现象,提出一种基于利用率和负载均衡的分区调度算法BUWBPA(Based on Utilization and Workload Balance Partition Algorithm)。该算法在满足任务实时性要求的基础上,以寻求高利用率和负载均衡为目标进行任务分配,将任务分配分成两个阶段:第一个阶段以高利用率为原则,选择任务集内利用率最高的任务先分配;第二个阶段以负载均衡为原则,根据处理器数选择利用率总和等于1或接近于1的任务进行分配,并且在此阶段对于未达到充分利用的处理器,选取可能调度的零星任务,对任务进行再次重新分配,以达到负载均衡和系统最大利用率。实验证明,该算法在实现最大利用率的前提下能很好地达到负载均衡。     

基于反馈控制的多处理器任务调度算法

在高度动态和不确定的计算环境下,系统的负栽有极大的不确定性,传统的多处理器调度算法基于最坏执行时间悲观估计负载,造成了系统资源浪费.文章提出了一种基于反馈控制的多处理器任务调度算法,通过动态调整分配在各个处理器上的任务集合,使得每个处理器的CPU利用率保持在参考值附近,保证了任务的实时性.依据控制理论分析了算法的稳定性、稳态以及动态性能,并通过实验验证了算法的实时性和适应性.     

一种独立任务调度问题的相对量化模型

在分布式处理领域,独立任务调度问题是一个NP难题.现有各种调度模型普遍采用基于运行时间的任务量化方式,这使得异构系统调度问题较同构系统更为复杂,因为异构系统中同一任务在不同节点上的运行时间不等.该文提出了一种独立任务调度问题的相对量化模型,该模型采用一种相对量化方案来量化任务的载荷量和计算节点的负载能力及负载状况.基于该模型,可用LPT、AI之类的同构调度算法解决异构调度问题,从而使异构调度问题的复杂度降到与同构调度问题相当.理论分析与实验研究证明了新模型的有效性和良好的工程实用性.     

Dev_Min-Min:一种基于最小偏差的网格调度算法

针对独立任务调度的负载均衡和高吞吐率原则,提出基于Min-Min算法的最小完成时间偏差调度算法（Dev_Min-Min）,算法构造了调度完成时间的偏差矩阵,根据任务的偏差调度任务.Dev_Min-Min算法克服了Min-Min算法追求局部最优的贪心算法思想的局限性.实验数据表明,与被作为评测基准的Min-Min算法相比,Dev_Min-Min算法能在各种网格环境中有效降低调度跨度、提高负载均衡度,在异构环境中调度性能提高更加明显.     

基于多核处理器平台的公平调度算法

为了减少多核处理器系统全局调度算法中共享L2cache抖动,在Pfair调度算法基础上提出一种新的Cache感知的软实时公平调度算法.通过对WSS(work set size)、子任务截止时间和任务负载建立多因素优先级模型,并将此优先级模型应用到改进后的Pfair算法中,该算法的调度决策在系统负载较重的系统中对WSS具有自适应性.模拟实验结果显示:在对称4核和8核处理器系统中,该算法任务丢失率低,且在系统负载重时能够减少共享L2cache抖动,其整体调度性能优于传统的G-EDF(global-earliest deadline first)调度算法和Pfair调度算法.     

共享资源约束下多核实时任务分配算法

为了提高多核实时系统任务分配效率,研究分组固定优先级调度策略下的任务分配算法.通过分析核间任务阻塞对任务最坏情况响应时间产生的影响,提出由于任务间共享资源冲突而引发了任务分配故障问题;指出负载非均衡算法,如First-fit算法、Best-fit算法容易引发任务分配故障.为了避免该问题,提出基于分组与负载均衡的任务分配算法.该算法将存在访问共享资源冲突的任务分配到同一核上,以避免核间任务阻塞;当这些任务无法分配到同一核上时,将这些任务依次分配到当前负载最轻的核上以避免任务分配故障.可调度性分析实验表明,采用该算法可以避免任务分配故障,减少分配任务所需的处理器核数(比Worst-fit算法少10%～40%).     

负载均衡优先的改进优先级表调度算法

针对当前云计算环境下DAG任务调度时存在的负载失衡、任务调度效率不高的问题,提出了一种负载均衡优先的改进优先级表调度算法(LS-IPLB).算法将云计算集群中虚拟机的状态参数变化抽象成空间中的参数向量变化,给出实时衡量云计算集群的负载均衡性方法,并作为虚拟机选择权值的重要参数.同时以任务执行代价、任务的出度和任务间的通信代价作为参数计算任务优先级,并在任务调度时采用任务复制策略进一步优化调度过程.结果表明,LS-IPLB算法能有效缩短DAG任务图的完成时间,并实现了良好的负载均衡性.     

含启动开销总线网络实时可分性负载调度算法

针对异构总线网络,提出了一种含启动开销的实时可分性负载调度方法。建立了实时可分性负载调度的最优化模型,即在满足实时任务截止期限的约束条件下,使系统计算资源消耗最小化;根据可分性负载调度的最优性原理,分析了网络中处理器负载分配的最优次序以及参与计算的处理器数目;在此基础上提出一种实时可分性负载调度算法并给出了算法的实现流程,该算法能够利用网络中最少的处理器数目,保证实时任务在其截止期限之前计算完成。理论分析和仿真测试都验证了所提出算法的有效性。     

云数据中心面向实时任务的节能调度算法

针对云计算环境下的独立实时任务的节能调度问题进行了研究,设计了一种基于松弛时间的任务调度算法,该算法由实时任务的分配、虚拟机资源的动态扩展以及虚拟机的动态整合3个部分组成,通过计算任务的松弛时间保证任务在截止期限内完成,保证任务的时效性. 同时提出了一种基于多阈值的虚拟机整合策略,以平衡系统负载并降低系统完成任务集合的能耗. 实验表明,与其他算法相比,该算法在保证了任务能够按时完成的基础上,有效降低了系统的整体能耗.     

DAG任务模型的粒子群优化调度算法

在并行多处理器系统中,通常用有向无环图(DAG)表示任务之间的依赖关系.为了提高该任务模型调度算法的性能,基于粒子群优化算法,提出一种新的调度算法.算法将任务高度和粒子位置作为任务优先级,使用表调度策略生成有效的调度方案,在满足任务间依赖关系的条件下,使所有任务的完成时间最小.仿真实验结果表明,与遗传算法相比,所提出的算法提高了解的质量和收敛速度,特别适合于规模较大的多处理器任务调度.     

改进的DBSCAN聚类算法在云任务调度中的应用

针对云计算环境中任务调度中存在的执行效率低的问题,提出了一种基于改进的基于密度的聚类算法(DB-SCAN)的云任务调度策略.首先使用改进的基于密度的聚类算法DBSCAN对云任务进行聚类,然后与已经分类的资源进行匹配,解决资源与任务匹配程度低的问题.实验结果表明,对任务进行聚类后进行任务调度,任务在终端上的平均执行时间减少了大约35.2％,任务的调度时间也有了明显减少.     

可迁移网格依赖任务重调度模型及算法

针对可迁移依赖任务的重调度问题,提出了基于约简DAG可迁移任务图的重调度模型,并基于免疫遗传算法实现了以提高应用性能为目标的求解算法.实验表明,与经典的动态调度算法Max Min和基于启发式的AHEFT静态算法相比较,由于调度目标的一致性,初始调度的性能在重调度过程中被较好地保持,并且由于任务迁移的支持和遗传算法在全局优化上的性能优势,应用性能得到较大提升;又由于任务图的约减过程和免疫因子对算法收敛的作用,提出的IGA算法效率得到显著改善,使资源动态性和异构性的适应能力得到进一步增强.     

多处理器实时系统中的非精确轮转式调度算法

目的研究基于多处理器实时系统中具有截止期和容错需求任务的非精确轮转式调度算法,使强实时系统在发生故障的情况下,任务也能在其截止期内完成,不至产生灾难性后果.方法将非精确计算模型引入到轮转式调度算法中.结果仿真实例表明,非精确轮转式调度算法具有更低的任务拒绝率,同时能更为有效地利用系统资源.结论该算法扩展了轮转式调度算法的允许调度定理,使得主/副版本任务在执行时间上可以重叠,提高了任务的可调度性,使整个系统负载均衡,并减少了系统搜索时间.