基于改进匈牙利算法的云仿真资源调度

针对传统仿真系统平台的资源分配存在资源闲置、任务挤压和负载均衡等优化问题,利用云计算技术的优势研究并提出了模块化的云仿真平台框架,通过对云仿真资源调度策略研究,提出了一种改进的匈牙利算法．该算法克服了传统匈牙利算法只适用于一对一资源调度的不足,实现了多对一的仿真任务与云仿真资源分配方案,能尽量避免资源调度负载失衡．通过扩展云计算仿真平台CloudSim实现了模拟算法仿真．结果表明．该调度策略能有效的减小云环境下计算机的负载,提高了资源的利用率．     

基于特征粒子的调度算法在云计算中的应用

针对云计算中资源调度的无序性,以及虚拟机级别上负载均衡难以处理的问题,提出特征粒子调度算法。该算法能够快速、高效、有选择性地完成资源节点的筛选和调度,从而在全局上能够实现节点处理能力的均衡,以及节点资源的最佳利用。通过在模拟仿真平台(Cloud-Sim)上的模拟测试,实验结果表明,此算法能够有效地整理不同特征的云资源节点、缩短云环境下的任务平均运行时间,提高资源的利用率,并在理论上可大大降低整个云的资源消耗。     

云计算信息安全平台的均衡设计方法

云资源管理中负载失衡将使得在云安全管理平台中执行并行任务时的节点产生负载失衡问题,导致云安全管理平台安全性能降低,出现资源浪费问题。因此,提出一种基于负载均衡的云安全管理平台的设计方法,该云安全管理平台包括网络安全设备模块、数据获取和操作模块、云服务模块以及用户交互模块。采用基于负载均衡的云资源调度模型实现云安全管理平台中资源的合理分配,确保平台的安全性。该调度模型包括云服务、方案域以及资源域。通常采用融合辅助的方法,完成云资源的调度。按照服务种类把用户申请反馈给相关的方案集中,方案集选用合理的负载均衡方法对系统负载进行平衡。实验结果表明,云安全管理平台调度具有较低的吞吐量和响应时间,并且负载均衡度较高,满足云安全管理平台均衡设计的要求。     

云计算Hadoop平台中基于遗传算法的高校师资培训管理

如何在提高云计算服务资源调度效率的同时尽量降低工作能耗,成为当前必须解决的问题。因此,提出一种基于遗传算法的云计算资源调度方法,适用于高校师资培训资源管理。首先,搭建基于云服务的高校教师师资培训系统模式;其次,利用具有较强NP问题解决能力的遗传算法设计大规模集群的资源调度方法,并采用粒子群算法对其全局寻优能力进行改进;最后,设计了由质量和成本构成的双指标约束适应度函数。CloudSim平台的Hadoop实验仿真结果显示,提出的遗传云计算资源调度方法在约束条件下获得了最佳的调度结果。     

基于深度强化学习的容器云任务调度算法

容器云作为互联网底层基础服务设施应用越来越广泛,合理的任务调度对云资源优化、云服务质量以及企业的降本增效至关重要。为提高容器云环境下资源利用率,提出一种基于深度强化学习的资源调度算法（RLSD）。该算法基于深度强化学习理论构建动作空间、智能体状态等基本要素,通过采集各资源的利用率并结合权重因子实现奖励函数设计。通过仿真平台WorkflowSim构建交互环境,进行智能体的训练。实验表明,RLSD算法在保障任务调度稳定性的同时,资源利用率比传统算法提高了20%。     

基于自适应容错机制的网络资源调度平台的设计

网络资源调度过程中存在多处理机同时发生故障的情况,传统方法在处理多处理机发生故障时,主要分析执行时间和通信时间,未对资源调度的稳定性进行考虑,资源调度存在较高的误差。为了有效解决资源调度过程中存在的故障问题,设计了基于自适应容错机制的网络资源调度平台。该平台具有网络资源发现、网络网络资源预约、网络资源动态信息查询以及资源调度运行时监控等功能。网络资源调度模块的错误检测服务包括进程监控模块、汇总模块、错误评估模块以及报警模块。通过自适应错误检测算法,对网络资源调度进程中的错误进行检测,并采取对应的解决措施,确保资源调度的顺利运行。实验结果说明,所设计调度平台在进行资源调度过程中,网络利用率、调度性能以及可靠性都较优。     

云环境下任务调度算法对比研究

云计算是完全基于互联网的新兴技术。云计算环境中的任务调度问题一直都是该领域的研究热点。合理高效的任务调度算法在云环境中能有效的缩短任务完成时间,提高系统负载均衡,更好的满足用户与云提供商的需求。本文研究了云平台的任务调度机制,探究了任务调度过程中的关键性指标。通过云仿真平台CloudSim实现并分析了顺序调度算法、Min-Min算法和Max-Min算法,对比其在随机生成用户任务负载与虚拟机计算资源的情况下的任务完成时间,实验证明Min-Min算法与Max-Min算法均优于顺序调度算法。以此为未来研究提供实验支撑和方向。     

云环境中基于混合和声算法的资源调度方案

随着信息技术的日趋成熟,任务、资源也呈几何倍数增长,对资源调度效率的要求不断提高,如何提高资源调度效率也成为了当前研究的热点。为此,文中针对调度策略提出了一种混合和声算法,加入遗传算法交叉操作和动态PAR方法,扩大基本和声算法的搜索范围并防止其陷入局部最优,以达到最短时间跨度的目的。通过Cloudsim云仿真平台进行仿真实验,实验结果表明,该算法明显减少了任务平均完成时间,有效提高了资源调度效率     

虚拟化云平台中实时任务容错调度算法研究

为了在云平台下满足实时系统的高可靠性要求,提出了一种虚拟化云平台中的容错调度算法（FSVC, fault-tolerant scheduling algorithm in virtualized clouds）,FSVC通过主副版本方法来实现对物理主机的容错,采用副版本重叠技术与虚拟机迁移技术来提高算法的调度性能。为了达到容错的要求,分析了这2种技术应满足的约束。此外,FSVC中包含了一种两阶段策略以进一步提高算法性能。大量仿真实验表明,在虚拟化云平台中,FSVC能有效地提高系统可调度性与资源利用率。     

基于贪婪算法的卫星地面站资源调度方法

卫星地面站系统资源调度问题是一个基于约束的组合优化问题,在任务时间、地面站可视时间以及各种资源之间连接匹配关系等约束条件下,以充分合理地利用有限资源,使其使用效益得到最大限度的发挥为目标,提出了一种解决该问题的基于贪婪思想的算法,并给出了实验示例对算法进行了仿真验证。实验数据表明,该算法有效提高了算法性能。     

基于云计算平台的智慧城市管理系统设计

为了解决智慧城市管理过程中常出现资源调度速度过慢问题,设计了云计算平台的智慧城市管理系统。该系统采用云管理模块下监控各硬件设备,并构建云计算资源调度目标函数,利用文化粒子群算法对目标函数求解,得到云计算资源调度方案,最后测试结果表明,该系统能够实现智慧城市有效管理,并能实时监测城市情况,在实行资源调度时,任务完成时间较短且系统利用率较高,能够实现资源最大化利用。     

资源约束下多项目再调度算法

在项目的执行期间,某个项目的任务由于某些原因导致托期,而使项目不能按照调度计划完成,从而需要对项目进行再调度。针对再调度过程对原项目计划影响最小的目标构建资源约束下多项目再调度的数学模型,并提出了一种启发式算法,最后进行了有效的验证。     

基于MABC算法的云计算资源调度策略

为了提高云计算服务集群资源调度和任务分配的优化效果,提出一种基于改进的人工蜂群优化算法的云计算资源调度策略。针对ABC算法后期收敛速度慢,容易陷入局部最优的问题,引入了控制因子调度策略,通过自适应调整搜索空间,动态地调整蜜蜂之间的信息度,不断地进行信息交换跳出局部最优从而获得全局最优解。在云计算仿真平台CloudSim进行实验,结果表明,此方法能够缩短云环境下的任务平均运行时间,有效地提高了资源利用率。     

云计算环境下的资源管理研究

首先提出高性能的大规模的云计算资源是实现云计算服务的基本条件,而对庞大的资源如何进行管理和分配,是云计算服务必须解决的后继问题。其次分析云计算资源管理主要分为数据存储的资源管理,存储层,基础管理层、应用接口层和访问层构成了云存储系统的4层结构模型,云安全是存储技术的重要方面,而云资源调度则包括资源发现、调度组织、调度策略、状态评估以及对资源的再调度等。最后针对目前亟需解决的信息存储安全、服务可靠性、大规模隐私泄露以及资源的可移植性和兼容性等问题提出了相应的资源管理技术方法。     

复杂真实约束条件下的多星测控资源调度

测控资源调度是卫星调度研究领域的关键问题之一,其在多星条件下面临着因约束信息来源不同、结构差异大、表达模糊而难以建立统一的约束模型,以及求调度问题的最优解是NP-hard的且不易得到较优解的问题。为此,首先将多星测控问题表达为组合优化模型,再将复杂的约束信息归纳为一套约束,最后提出了一种双层并行约束匹配算法求解问题。与用户现有算法对比,所提算法的周期测控调度成功率提升了9%左右,且可以处理更多约束信息类型。     

任务可定点拆分的资源受限项目调度问题研究

任务可定点拆分的资源受限项目调度问题是标准资源受限项目调度问题的一个扩展.针对这一问题提出了一种离散人工蜂群求解算法.离散人工蜂群算法中采用基于任务排列的食物源编码方式,并提出了能够一种保证解的可行性和离散型的候选食物源生成方法.项目中允许定点拆分的任务首先要转换为满足先序关系的分任务,然后在通过串行调度机制生成可行调度.实算表明,该算法能够有效求解任务可定点拆分的资源受限项目调度问题,同时也看到在不影响完成质量情况下,项目通过任务拆分能够在一定程度上缩短项目工期.     

云模型优化的QPSO算法在大数据云存储平台业务调度中的应用

QPSO算法作为最优秀的群体智能算法之一,有着较强的寻优能力,将QPSO算法用于云计算平台资源调度策略的寻优,有着明显的优势。通过对QPSO算法在云计算中的应用研究,为云计算平台效率的提升提供有效方法。文章对云模型优化的QPSO算法在大数据云存储平台业务调度中的应用进行分析与研究。     

一种测控数传一体化站网资源调度算法

站网资源调度主要解决如何合理有效地为卫星任务需求分配地面站资源及资源使用时间的问题。首先,根据测控数传一体化站网资源使用需求,分析了站网资源调度的工作模式和约束条件,为站网资源调度问题建立了约束满足模型;然后,针对该模型设计了一种卫星过境弧段序列驱动的启发式站网资源调度算法,并为启发式算法与遗传算法组合使用而设计了相应的邻域交换方法;最后,根据实际的应用需求,通过仿真对比验证了算法的有效性。仿真结果显示,在典型调度场景下,所提的组合式算法调度成功率较启发式算法平均提高了22.3%。     

基于FusionCompute的IaaS云平台的构建与实现

针对企事业单位数据中心业务系统扩展存在的成本高、周期长、资源利用率低等问题,利用华为FusionCompute云计算技术,实现数据中心IaaS云平台的构建,IaaS云平台将数据中心内IT基础设施进行资源逻辑化,并对逻辑资源进行统一调度和管理,为用户提供远程资源访问服务。操作人员通过网络远程获得如同直接操作硬件设备一样的用户体验。     

基于虚拟机聚合的云平台高能效资源调度框架

本文面向实际生产的云计算环境,提出一种基于虚拟机聚合的云平台高能效资源调度框架。首先监测和预测虚拟机资源使用情况,而后应用高效的虚拟机迁移技术进行虚拟机聚合,通过降低物理主机过载概率以及有效减少活动物理主机数量,实现高效地调配云平台资源,从而达到优化云平台性能和节约能源消耗的目标。