卫星任务调度统一化建模与多策略协同求解方法

针对卫星任务调度“一星一系统”、测运控分离的现状,以卫星执行任务产生的星上独立事件和星地协同事件作为调度对象,以事件可执行时机作为调度资源,建立卫星任务调度统一化约束满足模型,将传统运控任务调度与测控任务调度纳入统一的建模方法.为保障模型的通用性和适应性,设计包含构造启发式、智能优化和针对性算法改进的多策略协同求解方法,搭建卫星任务调度算法与调度模型松耦合、模块化的系统架构.实验测试表明,所提出方法能够弥补传统模型在敏捷遥感卫星任务调度和高轨卫星测控调度场景下的局限性,在Benchmark问题和实际应用场景中均表现出良好的适用性和优化效果.     

混合算法在网格任务调度中的应用研究

研究网格任务优化调度问题,针对需求的复杂和网格系统具有异构性和动态性,导致网络任务调度过程相当困难.传统调度算法调度效率低、资源负载不平衡.为了提高任务调度效率,降低资源负载不平衡性,提出一种混合的网格任务调度优化算法.首先采用遗传算法全局搜索能力快速形成初始解,然后将遗传算法的调度结果作为蚁群算法的初始信息素分布,最后利用蚁群算法所正反馈性机制迅速地形成任务调度的最优解.仿真结果表明,混合算法减少网格任务调度系统任务完成时间,提高了任务调度效率,为网格设计提供了依据.     

遗传算法在网格任务调度的应用研究

研究了网格任务调度问题.针对传统任务调度算法在网格环境下存在不能很好地平衡节点负载和满足用户服务质量需求等缺点,导致网格系统负载极不均衡,调度效果低.为了提高网格任务调度的效果,提出一种基于遗传算法的网格任务调度方法.将网格任务编码成种群中的个体,网络任务目标作为遗传算法的适应度函数,通过遗传算法的强全局搜索及交叉、变异操作,获得最优的任务调度方案.仿真结果表明,采用遗传算法进行网格任务调度可以减少系统总执行时间和任务完成时间,提高了资源调度效率,使网格系统负载均衡度更好,在网格任务调度具有广泛的应用前景.     

基于时间负载均衡蚁群算法的云任务调度优化

针对云渲染系统中渲染节点与任务不匹配调度而带来的时间负载不均衡和耗时长的问题,提出一种基于时间负载均衡的任务调度方式来优化系统耗时的策略.该算法采用Min-min与Max-min相结合的思想,建立时间负载均衡模型进行前期迭代,将迭代结果作为蚁群算法的初始序列,并按照适应度规则计算出相应的初始信息素,同时通过单一变量法确定合理的参数,蚁群算法采用已有的初始资源和参数值进行后期迭代,根据标准量度自定义函数进行高效寻优,进而求得最终的任务调度序列.仿真结果表明,本策略既具有较高的搜索效率和较强的全局寻优能力,又能有效降低任务完成时间,且在时间负载均衡和寻优速度方面均显著优于蚁群算法和蚁群退火算法.     

混沌粒子优化算法在网格任务调度的应用

研究网格计算中任务调度优化问题,由于网格环境具有动态性、异构性等特点,导致传统网格任务调度算法的调度效率,网格负载严重不平衡.结合粒子群的快速性和混沌的遍历性优点,提出了一种基于混沌粒子群优化算法(CPSO)的网格任务调度优化方法.首先建立网格任务调度问题的数学模型,然后采用CPSO对其进行求解,通过混沌变量产生优化粒子群,加快网格任务调度求解速度.仿真结果表明,CPSO提高了资源调度效率,网格负载更加均衡,具有较好的应用价值.     

一种快速网格任务调度策略

网格任务调度目标有很多,如用户要求任务轮转时间短、花费代价小,而资源提供者希望资源利用率高等,这些目标相互冲突,因此网格任务调度不仅是一个NP难问题,而且是一个多目标优化问题.本文根据网格环境下任务的时间相关性特点,对传统蚁群算法进行了改进,提出了一种快速网格任务调度算法.该算法不仅解决了网格调度中多目标优化问题,而且依据任务调度历史信息生成蚁群算法的初始信息素分布,提高了蚁群算法的求解速度.     

考虑多类型时间依赖资源约束的敏捷卫星调度优化

随着现代空间科技的迅猛发展, 光学遥感图像数据的应用需求越来越广泛, 大力推动了光学对地观测卫星的发展. 然而, 由于高昂的发射成本的约束, 对地观测卫星的资源是有限的, 远远无法满足各类数据需求. 因此, 提高对地观测卫星的使用效率, 提高其任务执行率, 具有非常重要的应用价值. 本文聚焦于敏捷对地观测卫星的任务调度问题, 即在给定的调度周期内, 对有限的卫星资源制定合理的任务调度方案, 在满足一定星上资源约束下, 最大化观测任务收益. 该问题难点在于星上的资源是非常有限的, 例如存储图像数据的固存资源、用于采集数据和卫星姿态切换的能量资源及执行任务活动耗费的时间资源. 需要注意的是, 能量消耗量和时间消耗量依赖于任务的执行时间, 这是敏捷卫星相对传统的非敏捷卫星独有的特性. 不同任务场景对不同类型资源的需求不同, 多种资源约束互相耦合, 资源约束具有时间依赖特性, 这些难点无疑极大地增加了卫星调度的求解难度. 为高效地求解该问题,本文构建了多类型时间依赖资源约束的敏捷卫星调度整数规划模型, 并针对问题特性提出了一种基于自适应选择因子的迭代局部搜索启发式算法. 自适应选择因子综合考虑了目标收益、资源消耗量、资源约束的松弛量, 采用动态变化的资源重要度, 能快速自适应地根据当前场景下各种类型的资源数据使用量来确定最佳局部搜索方向, 从而在有限时间内找到高质量的解. 实验结果证明, 本文所提出的算法在多种情况下相比当前最好算法求解效果显著更优. 此外, 算法独有的自适应选择因子相比传统的选择因子的求解质量更高, 这是因为所设计的自适应选择因子兼顾了目标收益和资源消耗量之间权衡关系的同时, 采用动态变化的资源重要度准确捕捉了资源需求的迫切程度.     

无人飞行器集群智能调度技术综述

随着飞行器技术的快速发展, 以无人机和卫星为代表的无人飞行器在集群任务中得到广泛应用, 但日益增长的多样化任务需求和不平衡、不充足的任务资源也对无人飞行器集群调度技术提出新的挑战.针对无人飞行器任务类型特点, 分别从无人机群和多星两个角度出发, 介绍了无人机群访问、打击和察打一体化任务调度技术进展, 阐述了多星成像、数传与天地一体化任务调度研究成果.同时, 梳理了无人机群和多星任务调度问题的主要约束与收益指标, 综述了无人机群和多星任务调度常用的智能优化算法.最后, 面向未来无人飞行器技术应用需求, 指出了无人飞行器集群智能调度技术进一步的研究方向.     

基于改进 NPGA 算法的多目标优化云任务调度算法

随着云计算的不断发展,传统的单目标优化下的任务调度已经不能满足用户的服务质量要求。论文选取运行时间、费用和负载均衡建立多目标优化的云任务调度模型,提出一种改进的多目标小生境 Pareto 遗传算法（NPGA）,采用相似任务序列交叉操作加快进化,再采用位移变异避免算法过早收敛。此外,通过自适应选取比较集合规模和小生境半径提高算法的收敛速度。仿真结果表明,改进后的 NPGA 算法在云调度中保持 Pareto 最优解的多样性和分布性更优。     

自适应动态调整粒子群的云计算任务调度

为了高效地实现云计算任务调度,融合改进的分数阶达尔文粒子群算法和多目标函数构造,提出一种新的云计算任务调度算法。对分数阶达尔文粒子群算法进行全方位改进,基于粒子群适应度动态调整惯性权重系数以自适应搜索最优解;利用粒子自身进化信息定义进化因子,结合进化因子并利用高斯图函数调整分数阶次α系数以实现快速收敛;借助Levy飞行随机扰动对局部最优位置进行位置扰动以提高跳出局部最优的能力;综合最短等待时间、资源负载均衡程度及任务完成所耗费用等三个目标构造任务调度满意度函数,以此搜索任务调度最优解。仿真实验表明,与其他粒子优化算法相比,该算法有较快的收敛速度和较高的寻优精度;在任务调度中,该算法与其他三种调度算法相比,在较低的截止时间未完成率下实现了虚拟资源的均衡负载。     

考虑任务依赖的卫星边缘计算资源分配与卸载决策算法

针对高低轨卫星网络协同边缘计算的卸载决策问题,提出了一种考虑任务依赖的联合计算资源、无线资源分配与任务调度的卫星网络边缘计算卸载决策算法。首先,将任务卸载问题建模为最小化任务延迟和能量消耗的联合优化问题;然后,将能源消耗和时延引入子任务优先级定义中,基于动态优先级进行启发式卸载策略搜索。该算法保证了子任务之间的依赖性并同时考虑了无线资源分配。仿真结果表明,与已有研究相比,该算法能缩短高低轨卫星协同计算的任务执行延迟,且能够降低低轨卫星功耗。     

面向多星任务规划问题的改进遗传算法

卫星数量的快速增加为管控卫星的工作增加了很大的难度,如何有效地进行任务规划,有效管理卫星资源,成为了卫星领域的一个重要问题.针对此问题,本文构建了多星任务规划的数学模型,将最大化任务收益作为优化目标.本文分析了问题的难点并提出了一种包含两种优化策略的改进遗传算法,包括全局优化和局部优化两部分.全局优化和局部优化根据种群改进情况进行自适应切换.通过两种优化方法的结合可以提升任务规划的效果.本文还提出了一种任务规划算法,用于为改进遗传算法得到的任务序列选择合适的任务执行时间.仿真实验证明本文提出的改进遗传算法可以很好地解决多星任务规划问题,与对比算法相比可以得到更优的规划结果.改进遗传算法有很好的工程应用前景.     

基于混合优化算法的云计算资源调度

由于云计算的动态性、异构性和不可预测性等特点,使得资源调度策略面临很大的挑战。目前解决资源调度的方法主要是一些启发式算法,如模拟退火算法、人工神经网络算法、粒子群算法、蚁群算法和遗传算法等,由于优缺点分明,不能单独实现云计算任务的最优分配。因此,提出了使用混合优化算法解决云计算资源分配问题。在算法前期,借助粒子群全局广泛搜索能力,快速寻找到较优解;在算法后期,借助蚁群算法的正反馈性和高效性,寻找最优解。实验表明该算法有较短的任务执行时间和实现各个物理主机间的负载均衡。     

考虑邻域结构动态调整的多星应急调度算法

实际应用中的卫星调度方案往往受到外界因素的影响,例如电磁干扰、卫星失效、云层遮挡以及新任务的动态到达等,需要在短时间内对原始调度方案进行调整并生成新的调度方案,以保证卫星系统的稳定性.对此,考虑新任务到达情况下的卫星应急调度,建立多星协同应急调度的整数规划模型,并提出一种基于动态邻域结构的卫星应急调度算法(satellite emergency scheduling algorithm based on dynamic neighborhood, SESA-DN).设计多种类型的邻域结构以及动态的邻域选择策略,能够根据任务完成情况进行有效反馈,通过对应急任务的插入与替换生成卫星应急调度方案;同时,构建多星应急调度场景,通过大量仿真实验将SESA-DN算法与多种对比算法进行比较.实验结果表明, SESA-DN算法的稳定性优于对比算法,对于多星协同动态调度问题具有很好的适用性.     

InSAR双星编队测绘卫星任务规划方法研究

针对双星编队干涉合成孔径雷达(Interferometric Synthetic Aperture Radar, InSAR)测绘任务的特点,考虑双星编队卫星平台的约束条件,采用多目标优化和基于优先级的遗传优化算法,实现了双星编队任务规划的各个关键步骤的设计,并对测绘任务进行了系统仿真,求取了测绘任务规划结果,最终获得了任务规划的最优解。经过与贪婪优化算法仿真结果对比分析,采用的基于优先级的遗传优化任务调度算法在双星编队卫星测绘任务优化问题求解方法方面具备明显的优势,卫星系统资源分配效能达到最优,对卫星资源的合理分配起到了关键作用。     

Novel dynamic load balancing algorithm for cloud-based big data analytics

Big data analytics in cloud environments introduces challenges such as real-time load balancing besides security, privacy, and energy efficiency. This paper proposes a novel load balancing algorithm in cloud environments that performs resource allocation and task scheduling efficiently. The proposed load balancer reduces the execution response time in big data applications performed on clouds. Scheduling, in general, is an NP-hard problem. Our proposed algorithm provides solutions to reduce the search area that leads to reduced complexity of the load balancing. We recommend two mathematical optimization models to perform dynamic resource allocation to virtual machines and task scheduling. The provided solution is based on the hill-climbing algorithm to minimize response time. We evaluate the performance of proposed algorithms in terms of response time, turnaround time, throughput metrics, and request distribution with some of the existing algorithms that show significant improvements.

     

面向效用最大化的数据中心动态资源分配

传统数据中心的负载均衡只追求资源利用的最大化,而忽略了不同类型任务对完成时间的需求是不同的,使得系统总体服务质量无法达到最佳.针对不同任务的需求差异,引入时间效用函数以表征不同类型任务的完成时间与服务质量的关系,并形式化定义了面向效用最大化的动态资源分配问题.由于该问题是NP难的,设计了一个利用任务优先关系的调度机制,其主要思想为将原问题分解为若干同构的小规模子问题,并利用任务间的优先关系,决策为哪个任务优先分配资源.通过理论分析可以证明,当并行的任务的完成时间满足一定的序列性质时,该算法可以取得全局最优解.实验显示,该算法产生的收益是常用的先进先出公平调度机制产生收益1.5倍到2倍,并且比当前最新的算法2DFQ(多租户二维公平排队算法)的总效用高约17％.     

A Heuristic Algorithm for Task Scheduling Based on Mean Load on Grid

Efficient task scheduling is critical to achieving high performance on grid computing environment. The task scheduling on grid is studied as optimization problem in this paper. A heuristic task scheduling algorithm satisfying resources load balancing on grid environment is presented. The algorithm schedules tasks by employing mean load based on task predictive execution time as heuristic information to obtain an initial scheduling strategy. Then an optimal scheduling strategy is achieved by selecting two machines satisfying condition to change their loads via reassigning their tasks under the heuristic of their mean load. Methods of selecting machines and tasks are given in this paper to increase the throughput of the system and reduce the total waiting time. The efficiency of the algorithm is analyzed and the performance of the proposed algorithm is evaluated via extensive simulation experiments. Experimental results show that the heuristic algorithm performs significantly to ensure high load balancing and achieve an optimal scheduling strategy almost all the time. Furthermore, results show that our algorithm is high efficient in terms of time complexity.     

用可分负载理论分析无线传感器网络任务调度

针对无线传感器网络的任务如何在最短时间内完成且充分利用网络资源的问题,提出了一种基于可分负载理论的无线传感器网络任务调度算法（WDTA）.该算法根据网络中各个节点的处理能力和节点间的通信能力,将总任务从SINK节点下发至网络中.通过去除节点间的通信干扰来提高资源利用率和减少总任务完成时间.算法在两种分群结构的异构网络环境下进行了分析,得到了在各个节点上最合理的任务分配方案,以及最短的任务完成所需时间.理论分析了基于可分负载理论的无线传感器网络任务调度的极限情况.实验结果表明WDTA算法能够通过合理分配任务,而减少任务完成时间及节点能耗.该方案可以作为设计大规模无线传感器网络的原则.     

基于演化算法的带侧摆多星点目标调度算法

针对成像卫星观测效率较低的问题,提出了一种侧摆情况下的多星点目标调度方法。首先分析了卫星与地面目标的角度关系、正负侧摆角度以及时间窗口的计算方法。在此基础上,以最大化观测收益、最小化侧摆次数及最小化总的侧摆角度为优化目标,建立了带侧摆的多星点目标调度模型。并基于演化算法,提出了一种载荷侧摆情况下优化调度算法。算法中采用任务级别的单点交叉算子,通过时间窗口的选取进行变异操作,定义了基于冲突度的适应度计算函数,通过调整活动的实际开始时间来减少冲突,基于目标的优先顺序设计了个体的选择策略,基于冲突代价的概念设计了冲突消除方法。最后,针对一个具体的实例,给出了5星100个点目标在侧摆情况下的调度与仿真结果,并对侧摆角度分别为0°、10°、25°时的调度性能进行了分析。实验结果表明,当侧摆角度为25°时,其观测效率比无侧摆时提高18%,该方法在应急救灾及战时快速响应等应用上有着重要的价值。