Cooperative Game Model of Task Scheduling Grid Service Composition

针对网格服务组合的任务调度问题,基于其系统模型分析了系统模型中服务容器之间存在的合作博弈,给出了唯一纳什讨价还价解的存在性定理,并设计了求取该解的优化算法．实验结果表明,模型和算法的实验效果优于基于节点能力均分的调度算法。     

一种基于简谐振动的云资源分配方法

为优化云服务系统的资源分配,提高不同资源类型的服务质量,提出基于简谐振动的云资源分配模型,设计一种求解模型的迭代算法.根据谐振子运动特性进行能级划分,加强对邻域内最优解的精细搜索,降低云资源被局部分配的概率,依据能级差构造解空间,使用简谐系统能量转换规律自适应调整解向量的搜索步长.通过实验验证分配模型的求解算法以及解的质量,相比分支定界法和遗传算法相比,该算法在较大规模问题上执行效率高且资源分配成本低.     

基于组合导航技术的管道地理坐标定位算法

针对长输管道地理坐标定位问题,提出了一种基于组合导航技术并应用管道磁标处地理信息进行分段修正的管道地理坐标定位算法.该算法基于惯导/里程仪组合导航的基本原理,应用误差模型对航迹误差进行修正.通过研究陀螺仪和里程仪的误差特性,建立了陀螺仪和里程仪的误差模型,针对低精度加速度计应用于惯性导航系统时存在速度和航迹解算误差较大的问题,提出了应用加速度信息对里程仪速度进行修正的速度解算方法.实验结果表明,算法解算所得位置误差为0.16%,可为长输管道提供三维地理坐标定位信息.     

基于结构化模型的组合服务选择算法

基于组合服务的结构化模型讨论了组合服务执行路径选择和成员服务选择问题,建立了结构化模型的图形表示,采用蚁群系统作为优化工具,把组合服务执行路径选择和成员服务选择问题转化为一个层次优化问题,并设计了优化算法.实验结果表明,优化算法具有较好的寻优性能.     

随机需求下面向异质费用的云资源调度算法

采用分布式云构建流媒体服务等高资源消耗系统,既符合应用多区域部署的要求,也能充分利用云中资源保证服务质量,同时还能进行系统预算成本控制.由于各区域云中心费用函数存在差别,分布式云中调度需引入异质费用模型,结合流媒体应用中用户请求高度动态随机的特征,在给定的费用预算下响应尽可能多的用户请求.均值需求模型忽略了资源需求在短时间间隔内的变化细节,导致资源利用率低下.为克服均值需求模型的缺点,采用随机需求模型以捕捉细粒度资源需求,使用通用代价函数描述异质费用模型,建立更具通用性的非线性规划问题模型;为降低求解算法的复杂度,基于动态规划快速获得解的下界,再迭代逼近获取近优解.实验结果表明:相比经典的基于均值的调度算法,在区域数量较大时,平均能额外满足15%的用户请求;随着预算的减少,能额外满足近40%的用户请求;且不受各区域价格函数差异和用户访问需求差异的影响.因此,在构建全球部署的大规模流媒体服务系统时,算法能以较低的计算代价显著增加响应的用户请求量,广泛适应各种不同的云基础设施服务提供商.     

网络控制系统多变量DMC算法的稳定性分析

针对网络化控制系统(NCSs),研究具有多输入多输出的动态矩阵控制(DMC)算法的闭环稳定性问题.首先,基于有限脉冲响应(FIR)模型导出了系统前向通道和反馈通道上均存在随机网络诱导时延的网络化DMC算法;其次,利用线性矩阵不等式(LMIs)方法分析该多变量网络化DMC算法的稳定性,将系统稳定性问题转化为一类求解LMI方程的可行解的问题,进而建立网络化DMC闭环系统的稳定性充分条件.最后,通过数值仿真实验验证该稳定性结论的有效性.     

基于信任度的选举算法

针对移动代理系统中的选举算法，前人的研究主要集中于节点分割和分区融合问题，而很少研究选举过程中的收敛、无限扩散以及系统平台的功能整合问题.针对上述问题，提出了基于信任度的选举算法.把选举算法置于信任模型之上，基于信任度建立金字塔模型，选举过程在金字塔模型内进行.实验表明，该算法在解决收敛、无限扩散和实现系统平台功能整合问题上优于已经存在的算法，在解决节点分割和分区融合问题上和已经存在的算法性能相似.     

连续时间非线性时滞系统的新最优控制算法

为了研究非线性连续时间时滞系统最优控制问题,提出了一种基于线性时滞模型的动态系统优化与参数估计的新的最优控制算法,在模型与实际存在差异的情况下,该算法通过迭代求解线性时滞最优控制问题和参数估计问题,给出了原问题的最优解.与现有算法相比,该算法具有每次迭代的计算简单,易于实现等优点,仿真结果验证了这一结论.     

基于部分变需求的系统最优疏散路径模型

分析了突发事件对交通需求的影响,将其定义为固定需求量(疏散需求)与可变需求量(非危险区域路网原有的交通需求)两部分。基于交通需求部分可变的特点,以交通网络系统总出行时间最小为目标,提出了基于部分变需求的系统最优疏散路径模型,运用最优化理论证明了该模型的解与部分变需求的系统最优条件之间的等价性,分析了模型解的存在性和唯一性,最后采用凸组合法的思想设计了模型的求解算法,通过一个简单的实验网络验证了模型的可行性。     

基于小波分析的人脸定位算法在AmI中的应用

为了提高环绕智能个性化系统中人脸定位子系统的性能,更好地体现AmI系统无所不在的服务和隐藏计算的概念,提出了基于小波分析的人脸实时定位算法.首先将采集的图像经肤色模型预处理获得整个脸部信息,然后应用小波分析定位头发区域几何形状,结合先验知识获取头发几何概率模型.最后将此模型应用于AmI实时定位跟踪系统中,从而实现了AmI用户的个性化视频服务.实验结果表明,该算法在AmI系统中实时性好,定位准确率高.     

基于规划和动态调度的网格工作流

基于WFMC的工作流参考模型提出了网格工作流体系结构,扩展了基于遗传算法技术的规划算法以支持网格工作流自动建模,给出了基于市场驱动策略的动态调度算法以提高网格应用的服务质量,并介绍了在Globus上实现的原型系统JLGridFlow和其在大文件下载中的应用。     

组合网格服务的信任度估算算法

在群体动态信任模型的基础上,把信任引入到网格服务组合中,有利于具有较高信任度的成员服务加入到组合中来,进而提高整个组合网格服务的信任度,为用户提供更为可信的服务.分析了网格服务组合模型中各种控制活动的信任度估算问题,给出了相应的估算公式;基于结构分析的方法设计了组合网格服务的信任度估算算法并分析了其复杂度,经分析该估算算法为一种有效的算法.     

基于多目标权衡的数据网格作业调度算法

动态变化的数据网格环境下,很大一部分服务器和带宽资源于分发业务和下载类服务的传递,其资源请求任务受调度长度、时间跨度、负载均衡、服务质量、经济原则及安全性能等诸多因素制约,难以用单一的特征来表示。鉴于此,基于多目标权衡提出一种针对多业务作业请求矩阵,权衡多参数均衡的作业调度算法。仿真实验表明,该算法能在系统重载时提升系统整体的吞吐率,适应大规模图状数据处理场景.     

运用改进的SPEA2算法优化网格工作流调度方法

提出了一种QoS约束的多目标优化的网格工作流调度算法ISPEA2,该算法基于表达结构丰富的AGWL网格工作流模型,在SPEA2算法中引入约束检测对网格工作流调度问题进行优化,克服了当前网格工作流调度算法中大多只考虑DAG结构的网格工作流、涉及QoS参数较少及将多QoS参数聚合成一个单目标函数进行优化调度的缺陷,可供决策者根据用户的实际需求从产生的Pareto优化解集中选择最终的满意解。通过与采用原SPEA2设计的网格工作流调度算法OSPEA2的比较,表明ISPEA2算法所获得的Pareto优化解集都是满足QoS约束的非支配解,且获得了更优的平均结果。     

基于改进蚁群算法的网格资源调度

针对网格资源的分布式共享,提出了一种改进的蚁群算法,并用于网格资源调度中. 在算法中引入了资源节点的可信度,并作为蚂蚁残留的信息素评估要素之一,通过对可信度的评估,在一定程度上增强了蚁群算法的搜索能力和网格资源的可靠性. 在算法中设计了局部和全局信息素更新机制,实现了各资源节点上的负载均衡. 通过选取适当的参数,利用GridSim工具对基于改进蚁群算法的网格资源调度策略进行了仿真实验测试. 实验结果证明,该策略能有效地提高网格系统资源的利用率和任务提交的成功率,缩短了整个网格系统调度的总执行时间,改善了网格系统的性能.     

基于改进蚁群算法的网格资源调度

针对网格资源的分布式共享,提出了一种改进的蚁群算法,并用于网格资源调度中. 在算法中引入了资源节点的可信度,并作为蚂蚁残留的信息素评估要素之一,通过对可信度的评估,在一定程度上增强了蚁群算法的搜索能力和网格资源的可靠性. 在算法中设计了局部和全局信息素更新机制,实现了各资源节点上的负载均衡. 通过选取适当的参数,利用GridSim工具对基于改进蚁群算法的网格资源调度策略进行了仿真实验测试. 实验结果证明,该策略能有效地提高网格系统资源的利用率和任务提交的成功率,缩短了整个网格系统调度的总执行时间,改善了网格系统的性能.     

一种对资源不稳定性敏感的EASY-backfill算法

网格将分布式的计算节点连接起来,形成一个集中的计算和资源环境.网格环境中的任务调度对于网格的运算效率和整体性能有很大的影响.EASY-backfill算法作为经典的动态网格任务调度算法,有着算法简单、运算量小、调度性能优秀等诸多优点,但其算法条件对于计算资源的假设是理想绝对稳定的,同时认为任务的性能预测是精确可靠的,这显然不符合实际情况.首先建立不稳定计算资源的模型,在该模型下改进EASY-backfill算法,使其能够在感知计算资源的不稳定性的条件下,保持算法原有的效果;然后,把经典EASY-backfill算法与改进算法作了比较;最后,就不稳定计算资源模型的相关参数对算法造成的影响进行了讨论.     

基于云模型的网格任务调度遗传算法研究

针对网格环境动态多变性的特点,为了克服传统遗传算法易陷入局部最优的缺陷,提出了一种基于云模型的网格任务调度遗传算法。该算法由正态云模型的Y条件云发生器实现交叉操作,由基本云发生器实现变异操作,对调度模型进行优化求解,并在任务调度中对初始种群的产生、选择、变异和交叉操作进行了改进,通过实验分析,表明了该算法的可靠性、有效性和实用性。     

应用网格技术实现校园网资源共享模型的研究

为实现校园网上的资源共享,降低资源浪费,本文讨论了基于网格技术的局域网资源共享模型,该模型解决了资源动态变化所引起的系统行为不可预测方面的技术难题,支持资源的动态加入,且具有很好的可扩展性.采用了简单有效的基于市场机制的资源管理调度模型,并提出了一种利用权值兼顾不同种类任务,优先选择不同类型资源的匹配算法,由于采用遗传模拟退火算法(GSA)作为调度策略,从而使调度系统具有了一定的自主性和智能性.本系统采用了基于LDAP(轻型目录访问协议)的资源监控模型,灵活地将资源监控层的静态数据与动态数据结合起来存储在目录层次中,降低了系统资源的占用率,为局域网用户提供了统一的编程接口及资源共享环境.     

网格任务调度模型的研究

网格任务调度是采用适当的调度策略把应用程序分配到异构的计算节点上进行高效的执行并返回正确结果的过程。本文研究了经典网格任务调度模型,分析了各自的优缺点,并提出了一种包含有树形全局调度模型和局部调度模型的两层结构模型,此树形全局调度模型通过负载从根节点自上而下的迁移,能够很好地实现网格系统的负载平衡。通过二叉树的节点删除算法能够很好地解决模型中节点的失效问题,因此具有很好的安全性和可靠性。