基于Multi-Agent的分布式测控系统任务调度算法

基于Multi-Agent提出了一种新的分布式测控系统动态任务调度算法。该算法采用接收者启动的调度策略,根据各主机负载状态,在系统运行过程中动态迁移任务,有效地提高了系统效率,实现了负载均衡的目标。该算法采用移动Agent来迁移任务,有效地减少了网络传输,节省了时间。     

基于GA的控制系统中实时任务的优化调度

控制系统中任务的调度不仅影响系统的资源利用率,而且影响系统的控制性能,是控制系统设计和实现的关键技术之一．首先分析了周期性实时任务,并给出了任务模型．基于此,采用了EDF调度算法,给出了任务的可测度性条件根据系统的性能指标与任务的采样周期和控制延迟之间的关系,对系统性能进行优化．由于采样周期和控制延迟之间存仵相互影响,为此采用了浮点数编码的遗传算法对采样周期进行优化,以提高系统的性能．为了加快收敛速度和不陷入局部极值,采用了排序选择算法、算术交叉算子和非一致变异算子．仿真结果表明,通过采用遗传算法,在保证系统中任务实时性的条件下,可以显著地提高系统的性能指标．     

面向分布式实时系统的新型可信任务调度算法

目前许多面向关键领域的应用对实时系统提出了可信要求,研究可信的实时调度算法成为当前的研究热点。文章分析了当前公开文献中各种实时调度算法的缺陷,针对现有算法的不足,提出了一种适用于分布式实时系统的启发式可信调度算法,该算法以提高系统的可靠性和安全性为目标,一方面采用改进的主动副本复制技术,在多个处理机上有效分配实时周期任务,并支持对硬件失效和软件瞬时失效的处理,另一方面利用处理机对每个运行之前的任务进行安全性检查,有效防止了非法任务进入并破坏系统。仿真实验的结果表明,文中提出的算法DTSA相对于其它算法而言,在仅增加较少硬件成本的前提下,能够有效提高运行任务的可靠性和安全性。     

基于鞍点方程的分布式经济调度算法

为了实现智能电网的安全稳定经济运行,针对电力系统中广泛研究的经济调度问题,受到一致性模型和鞍点动态法的启发,提出基于一阶连续系统的分布式算法. 该算法考虑了迭代过程中节点生产能力和网络总负荷需求的约束,且每个节点只知道自身的代价函数. 为了解决上述约束,该算法设计3种对应的拉格朗日乘子. 为了实现控制参数的常量化,该算法添加了一个变量,用于平衡局部梯度差值. 由于有向网络的权矩阵是非对称的,该算法引入一变量用于平衡各有向边的权增益. 通过节点局部梯度与拉格朗日乘子,获取节点输出功率. 实验结果表明,该算法针对经济调度问题是可行且有效的.     

一种改进的实时任务调度算法

针对现有的表调度算法优先级选取单一、优先级相同时任务随机调度导致某些重要任务延迟处理的问题,提出了一种双优先级任务调度算法(DPSA)。DPSA根据任务到入口任务的路径长度和IHEFT算法上行权重作为任务优先级安排任务调度顺序。采用随机生成的有向无环图(DAG),与HEFT算法进行对比实验,实验结果表明,DPSA能获得更短的调度长度。     

基于推荐机制的人机交互任务调度算法

人机交互任务调度是信息处理系统需要应对的困难之一．基于推荐机制,提出了一种新型的人机交互任务调度算法;该算法从操作序列中发现和抽取调度信息,根据操作员的处理能力／兴趣和任务的特征进行调度,采用推荐方法发布／管理任务．验证实验表明该算法具有较高的系统利用率、较高的响应率和较高的用户满意度．     

适应动态安全需求的实时任务调度算法研究

现有的实时容错调度算法没有将实时任务的动态安全需求与其可调度性结合起来考虑.针对这一问题,文章展开以下研究工作:基于安全分级思想,构建了一个适应动态安全需求的实时调度模型,该模型详细地描述了实时任务、系统安全服务、任务容错等实时调度过程涉及的关键要素.以此模型为基础,提出了一种自适应实时容错调度算法(AFTS),该算法支持优先级抢占式调度策略,以牺牲普通任务的运行为代价来保证关键任务的可调度性,并采用主副本备份技术实现了关键任务的容错功能.当系统安全级别被动态调整时,该算法能够为实时任务选择满足当前安全需求的最优安全策略.仿真实验表明,文中提出的算法与同类算法相比,在系统动态安全需求的适应性,以及关键任务的可调度性和容错能力等方面有较好的表现.     

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CPU-GPU集群的分布式机器学习资源调度框架研究

随着GPU硬件设施的广泛应用,越来越多的分布式机器学习应用程序开始使用CPU-GPU混合集群资源来提高算法的效率.但是,现有的分布式机器学习调度框架要么只考虑CPU资源上的任务调度,要么只考虑GPU资源上的任务调度,即使综合考虑CPU与GPU资源的不同,也很难提高整个系统的资源使用效率,即使用CPU-GPU集群进行分布...     

粒子群优化的异构多处理器任务调度算法

嵌入式异构多处理器系统有一套具有不同处理能力的处理器构成,任务调度成为改进系统性能的关键因素。该文提出了改进的粒子优化群算法。首先,通过分析每个处理器的计算能力建立性能指标,然后,调整惯性常量的策略用来提高全局收敛速度。仿真结果证明了该文提出的改进算法能够极短的时间内得到较好的调度结果。     

面向分布实时嵌入式系统的任务优化调度算法

文章针对负载难以准确预知且动态变化的复杂分布实时嵌入式系统,提出了一种基于快速模型预测控制的任务调度算法,通过动态调整分配在各个处理器上的任务QoS,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;利用多参数二次规划的方法求解模型预测控制中的约束优化问题,可有效减小算法的执行时间.实验结果表明算法有效且负载极小.     

解动态Job-shop调度问题的遗传算法

研究了动态Job-shop调度问题,并设计了一种改进的遗传算法。该算法借鉴启发式算法,使用向量进行遗传编码;遗传计算中引入种群间竞争,实现种群向更高层的平衡态进化,进而全局优化调度方案;利用调度评价函数及负荷表,对动态的生产调度进行了有效地评价。仿真实验表明了此法用于复合调度问题的优越性。     

集装箱码头泊位调度问题的启发式算法研究

为优化集装箱码头泊位的分配,提高泊位的利用率,把码头泊位的调度问题转化为带有约束条件的特殊二维装箱问题。通过建立连续泊位调度的非线性规划模型,提出了一种求解集装箱码头连续泊位分配问题启发式算法。仿真算例结果表明该算法能在实际的集装箱码头泊位调度中有效的提高泊位的利用率。     

一种基于遗传算法的车间作业调度求解算法

研究了遗传算法在特定的车间作业调度问题中的应用,以遗传算法作为优化工具,给出了车间作业调度算法,最后给出了计算机仿真结果,并与启发式算法求得的结果作了比较,证明了该算法解的有效性和优越性.     

实时系统非周期任务的可预测调度研究

提出了一种实时系统任务模型 ,分析了该模型中周期和非周期任务可调度的条件 ,并给出了一种强实时非周期任务的可预测调度算法。该算法按照 RMS算法的原则统一调度系统任务 ,保证系统周期和非周期任务满足各自的时限约束 ,实现了强实时非周期任务的可预测调度     

基于CPM的非流水作业排序启发式算法

通过对ｎ种零件需经ｍ类机器加工的复杂非流水型作业排序这一ＮＰ问题的分析,以误工时间最短为目标建立了数学模型,并采用 ＣＰＭ方法构造了一个优度较高的启发式算法．实际应用表明,该算法很适于单件、小批生产类型的生产进度计划．     

基于DRL的MEC任务卸载与资源调度算法

为提高多接入边缘计算（MEC）任务卸载效率,提出了一个任务卸载和异构资源调度的联合优化模型.考虑异构的通信资源和计算资源,联合最小化用户的设备能耗、任务执行时延和付费,并利用深度强化学习（DRL）算法对该模型求最优的任务卸载算法.仿真结果表明,该优化算法比银行家算法的设备能耗、时延和付费的综合指标提升了27.6%.     

集中结构实时群件系统中的并发控制算法

针对异地同步集中结构的实时群件系统中共享对象上操作的并发控制问题,采用加时间戳和操作变换的方法,提出了一种处理并发操作的算法,并进行了模拟运行,结果表明,实现了在实时和并发条件下的多客户感知对象的一致性,提高了低网速用户协同操作的成功率。