基于区分服务的队列调度算法研究

文中分析了在区分服务(DiffServ)模型下的WRR和DWRR调度算法的优缺点,提出了一种DWRR的改进调度算法DWRR+.该算法根据当前队列中分组的长度动态设置一次服务中发送分组的最大字节数,既保证了低权值业务的延迟特性,又保证带宽分配相对的公平性,避免了低优先级队列可能长时间得不到服务的缺点,改善了DWRR算法不能很好满足业务的时延特性.使用NS-2网络仿真器进行算法性能评价,仿真结果表明DWRR+算法在保证输出带宽的前提下降低了延时,可以在一定程度上保证不同业务的服务质量.     

面向电力无线业务的上行动态资源调度算法

电网作为一个典型的物联网应用,电力无线专网上行调度过程中存在业务服务质量得不到保障、系统吞吐量低和资源分配不连续等问题,因此提出了基于业务优先级的电力无线专网上行动态资源调度算法。通过研究电力无线专网承载业务的特点,对业务优先级进行评定,并结合TD-LTE资源分配的特点,针对不同业务设计不同的调度方法。仿真结果表明,所提算法能有效提高系统吞吐量,并保障业务Qo S,改善业务传输性能。     

基于多级队列算法的ITS资源调度策略

资源调度是公交智能交通系统(ITS)建设中亟待解决的一类重要问题。文章抽象了公交资源调度问题的一般特征和要求，以多级队列算法为基础并将其加以改进，给出了一种适用于ITS的资源调度策略，并成功地应用于北京市公交抢修调度系统中。还对该策略应用中的具体的资源子集划分、多级队列建立、优先级动态调整机制及自动分配等关键技术进行了阐述。     

窄带蜂窝物联网终端上行资源调度的分析与设计

窄带蜂窝物联网（NB-IoT）技术发展迅猛,与原有的无线通信协议相比,NB-IoT的频谱带宽仅有180 kHz,因此,如何更有效地使用资源或频谱（即资源分配和调度）成为NB-IoT技术的关键问题。针对该问题,对NB-IoT上行链路资源调度的相关因素,其中包括资源分配、功率控制以及上行传输间隙进行了分析,并提供不同选择方案以选择出最优的方案;另外,针对调制与编码方案和重复传输次数的选择进行了重点分析,提出基于不同的覆盖等级联合功率余量报告的贪婪-稳定选择调制与编码策略以初步选择调制与编码级别,在选择重复传输次数时引入了一个补偿因子以衡量重传次数的大小以及对调制与编码等级更新;最后,对所提出方案进行了仿真分析。仿真结果表明,所提方案与直接传输方法相比,平均可节省超过56%的活动时间和46％的资源消耗。     

一种基于加权公平队列调度的改进型算法

随着网络业务的不断增多,比如IP电话、视频会议、远程教学等应用的不断出现,需要Internet提供良好的QoS支持,传统的队列调度算法无法满足网络质量要求,文中提出了一种基于加权公平队列调度的改进型算法。首先对GPS模型进行详细分析,在此基础上深入研究WFQ算法,针对WFQ队列调度算法无法保证实时性业务的QoS,提出了改进型L_CBWFQ算法。该算法在带宽不足的情况下,区分实时性会话业务,进行权值调整策略,保证实时性业务的QoS。仿真分析表明,L_CBWFQ算法不仅能够提高实时性业务的QoS,而且在延时、抖动方面也有很大的改善。     

ZyNOS带宽管理的队列调度技术研究

文章通过对ZyNOS带宽管理的队列调度技术的研究,主要对ZyNOS带宽管理CBQ调度技术实现的架构,主要操作模块和一些重要的参数进行了详细的分析。同时对它的一些相关技术:队列技术和循环轮转调度技术等也进行了介绍。     

基于队列时延检测的链路可用带宽流量调度方法

为有效提高链路带宽资源的利用率和减小数据传输时延,首先分析了链路中数据传输时延的特点,提出一种基于队列时延检测的链路可用带宽流量调度方法,该方法研究了在调度流量与可用带宽之间在各种不同情况下的数据传输时延变化趋势,保证了该方法较好的全局完整性。通过仿真实验证明,该方法有较好的流量调度能力,能有效地控制各链路的流量,改善链路时间响应特性和提高链路带宽利用率。     

一种使用历史信息的长期公平队列调度算法

经典的基于时延的队列调度仅关注调度时刻的队列延时,对历史信息并无记忆性,从而在业务流突变时排队延时公平性无法得到保障。本文提出一种长期公平调度算法,不仅综合考虑队列长度、到达速率等即时参量,而且考虑历史参量--历史延时累计量,使得调度更加理性,排队延时不会随流量突变而突变。另外,3个调度参量的关系式并非人为给出,而是通过对长期公平性的建模和对长期优化问题的推导得来。仿真对比了WRR, RPF, EDF算法,证实该算法中的队列延时不仅具有较高的公平性还具有较高的稳定性。     

ATM网络基于队列长度阀值的传输调度

本文提出了ATM网络的一种实时传输调度和信元丢失控制的综合方案.这种方案是基于队列长度阀值而设计的,它适应于ATM网络面向连接的特性.本文给出了这种方案的随机Petri网性能模型,并给出模型分解和迭代的近似求解方法.     

基于MPSO算法的云计算资源调度策略

针对云计算服务集群资源调度和负载平衡的优化问题,提出一种基于改进的粒子群优化算法的云计算资源调度策略。将动态多群体协作和变异粒子逆向飞行思想引入到粒子群优化算法中,从而控制全局搜索和局部搜索,尽量避免陷入局部最优。在CloudSim 平台进行模拟测试,结果表明,该调度策略有效且执行效率较高。     

基于QoS控制的连续媒体服务任务调度

连续媒体服务如视频,音频等是一类新的实时应用,要求在一统一的操作系统框架内支持强,弱实时应用,而传统的操作系统中的调度策略不能很好的支持该类应用。文中提出了一种新的ＱｏＳ描述方法,并在此基础上提出支持连续媒体流的,基于ＱｏＳ的启发式任务调度算法。该算法考虑了多媒体任务的成功率和连续失败数在资源有限的前提下,尽量保证所有媒体流的服务质量。     

云环境下的基于Min-Max的节能资源调度算法的研究

针对云计算环境下的高能耗问题,从系统节能的角度提出一种节能资源调度算法(energy-saving scheduling algorithm based on min-max,ESSAMM)。在Min-Max算法的基础上综合考虑了用户对于任务期望的完成时间和能量消耗两个因素,以节省任务执行过程中产生的能量消耗,并提高用户的时间QoS满意度,实现负载均衡。将任务集合中各任务按照长度从小到大排序,并根据时间QoS为该集合中长度最大和最小的任务选出符合用户期望的物理资源;根据能量估算模型,计算出这两个任务在各物理机上的执行能耗;选择最小能耗对应的物理机来执行该任务;将这两个任务在任务集合中删除,并重复上述过程,直到任务集合为空。仿真结果表明,相比于Min-Max和Min-Min资源调度算法,该算法能够有效降低系统执行任务产生的总能耗,提高用户时间服务质量,并实现调度系统负载均衡。     

基于队列理论的云资源分配收益最大化算法

为了优化资源分配收益,提出基于时间服务因子TSF资源定价机制下的资源分配算法。首先,算法将资源分配问题形式化为队列模型,并构建了收益最大化函数。然后,通过Lagrange乘子法求解最优化函数的解。利用时间服务因子,算法分别通过安全满意度因子ASF和响应满意度因子RSF定义了资源的定价方式,并同步考虑定价、请求到达率、资源服务率及可用资源量,得到了使收益最大化的资源分配方式。实验结果表明,与传统的启发式资源分配算法比较,该算法得到的收益更高,且尤其在云资源数量较稀少的场景下,算法将更加具有优势。     

基于改进狮群算法的云计算资源调度策略

针对云计算在运算过程中资源利用率低以及节点负载不均衡的问题,提出一种改进狮群优化算法的云计算资源调度策略.针对传统狮群算法易早熟收敛陷入局部最优以及算法收敛精度低的问题,通过余弦扰动因子以及双高斯变异函数对算法进行改进.数值仿真实验结果表明,改进后的狮群优化算法较好地平衡了算法的全局勘探能力和局部开发能力,提高了算法的全局收敛精度.建立云计算资源调度数学模型,并通过改进后的狮群算法对模型进行优化.     

区分服务网络队列调度策略的研究与仿真

针对目前几种DiffServ(Differentiated Service)网络队列调度算法进行研究,提出一种动态队列调度策略来提高队列转发效率。通过动态调整队列权值实现队列的动态管理,从而改进网络资源的利用效率,改善DiffServ网络QoS。利用NS2模拟动态队列调度算法,实验表明动态队列调度算法有效地提高了区分服务网络的队列转发效率。     

一种云环境下基于QoS约束的资源分配策略

由于资源非均匀分布以及硬件具有较大异构性,导致资源服务时效率不高。针对上述的不足,根据用户对资源的偏好,建立任务与资源的映射模型,设计一种低负载和低成本的资源分配策略,实现系统负载均衡。实验结果表明,该策略在满足Qo S约束的条件下,有效地提高资源利用率。     

网格的虚拟组织资源管理与工作流调度模型

资源调度是网格计算的重要内容。利用虚拟组织管理领域相关的网格资源,利用工作流技术组织网格任务,可以有效的降低网格调度问题的复杂性。本文提出一种调度模型,分别在工作流引擎和虚拟组织两个层次实施调度,以协调网格用户和服务提供者的不同利益,提高网格系统的性能、服务质量和易用性。     

网格环境下基于信任和QoS测量的任务调度算法研究

为了既保证高效的调度效率,又可以准确地对计算资源动态特性进行描述,并且对这种动态性所带来的消极影响实施规避行为,同时还可以满足计算任务提出者的QoS需求.因此在对网格计算和计算网格系统的知识背景以及该领域的研究现状进行认真分析的基础上,提出了可以解决此问题的基于信任机制和QoS测量的计算任务调度算法.     

云环境下的虚拟资源调度智能优化策略

针对云计算环境下的最优跨度和负载均衡问题,提出一种虚拟资源调度智能优化策略。该策略结合云虚拟资源的特点,对遗传算法的染色体选择和交叉方式进行优化,使用最优跨度和负载函数作为双适应度函数。其中,负载指标为资源的CPU、带宽及内存利用率,最优跨度指标则是任务的等待时间、传输时间及执行时间的总和,从而提高资源调度效率;此外,该策略能够从云服务集群推荐出较优资源进行处理,确保资源的负载均衡。最后,通过Cloud Sim进行实验,证明该策略能够提高大规模任务下的资源调度效率,并优化了资源的负载均衡,从而验证了算法的有效性。     

基于演化策略算法的置换流水车间调度优化研究

采用演化策略算法求解置换流水车间调度问题,提出了一种基于工件次序的二维实数编码方法.设计了一种基于父代个体两点交叉互换的重组算子来生成子代个体,针对个体编码,采用局部基因随机重新生成的变异算子.计算结果说明,演化策略算法能够有效地对置换流水车间调度问题进行优化,其优化性能好于遗传算法和NEH启发式算法以及粒子群算法.