基于间隔型双边拍卖的网格资源预留算法

针对已有基于竞价拍卖的网格资源预留方法存在的问题，提出了一种基于间隔型双边拍卖的网格资源预留算法。根据网格资源预留的需求和拍卖机制的特点，给出了网格系统模型；基于间隔型双边拍卖的思想，设计了适合网格系统的资源拍卖机制，给出了详细的网格资源预留算法；算法的最优性分析表明：在资源拍卖过程，提供真实信息对用户方和资源方均是唯一占优策略，且算法能够保证中标资源供需平衡。 最后，模拟实验结果证明了算法的有效性和正确性。     

基于多任务拍卖的资源调度算法

资源调度是计算网格资源管理系统的主要内容之一。文中借鉴市场模型中的拍卖机制,通过用户代理、资源代理、拍卖师和资源的交互作用,设计并实现了一个基于多任务拍卖的网格资源调度原型系统,系统使用多拍卖师结构,提高了作业的吞吐率并且可以有效地防止拍卖过程中双方的欺骗行为,改进了网格资源的调度性能。同时,与传统算法相比,该算法能够有效地配置资源和满足用户的服务质量需求。     

基于多任务拍卖的资源调度算法

资源调度是计算网格资源管理系统的主要内容之一。文中借鉴市场模型中的拍卖机制，通过用户代理、资源代理、拍卖师和资源的交互作用，设计并实现了一个基于多任务拍卖的网格资源调度原型系统，系统使用多拍卖师结构，提高了作业的吞吐率并且可以有效地防止拍卖过程中双方的欺骗行为，改进了网格资源的调度性能。同时，与传统算法相比，该算法能够有效地配置资源和满足用户的服务质量需求。     

拍卖机制下的效益最优化调度算法研究

基于拍卖机制的调度算法中引入了效益最优的思想,并根据利润率的概念建立了效益函数。这使得算法能够很好的适应网格建立初期对于吸引资源的要求,能够为资源提供者带来更大的效益。实验中采用GridSim构建了一个网格模拟环境,并模拟实现了本文提出的调度算法。实验结果表明,在预算和时间限制相同的情况下,该算法在使网格资源获得效益上优于时间最优化算法和代价最优化算法。     

基于多Agent拍卖的网格资源主动分配

为了保障网格资源的利用率和实现资源主动分配,提出基于FIPA（FoundationofIntelligentPhysi-calAgents）英式拍卖和荷兰式拍卖协议的网格资源分配方法,在多Agent开发平台JADE（JavaAgentDevelop-mentFramework）下分别对这两种拍卖协议作了实现,给出了具体的实现算法、步骤、参与拍卖的各Agent的交互过程以及拍卖结果。最后,用实例说明了仿真实现过程的正确性。     

基于非完全信息博弈的网格资源分配模型

针对网格计算环境动态,异构和分布的特性以及网格资源分配中资源利用率低、效益不均等问题,结合微观经济学理论,建立了一种多赢家式的网格资源拍卖模型(muti-winners auction model,简称MWAM).将隐马尔可夫模型应用在网格用户t时刻出价状态预测方面,并结合分配算法计算出能够获得所需资源的概率;并且在原有资源分配机制的基础上,结合非完全信息纳什均衡理论设计了一种多赢家拍卖算法.从理论上证明了资源分配结束后系统收益最大,且本模型符合微观经济学中的激励相容性与个人理性准则.实验模拟在验证了隐马尔可夫预测的可行性的同时,又与几种具有代表性的算法相比较,从资源利用率、系统总收益等方面突显了本模型的优势.     

基于多Agent拍卖的网格资源主动分配

为了保障网格资源的利用率和实现资源主动分配,提出基于FIPA（Foundation of Intelligent Physi-cal Agents）英式拍卖和荷兰式拍卖协议的网格资源分配方法,在多Agent开发平台JADE（Java Agent Develop-ment Framework）下分别对这两种拍卖协议作了实现,给出了具体的实现算法、步骤、参与拍卖的各Agent的交互过程以及拍卖结果。最后,用实例说明了仿真实现过程的正确性。     

具有QoS保障功能的服务网格资源映射策略

针对网格资源映射对用户的服务质量(QoS)偏好考虑不足的问题,对保障多维QoS的网格资源映射算法进行研究,从服务网格资源的多维QoS属性分析入手,在满足用户全局约束的前提下,根据服务中各子任务的QoS约束筛选出符合要求的网格资源,并给出合理的映射结果,提出一种网格资源映射算法——QoS-Sufferage算法。利用GridSim平台进行仿真比较,结果验证了算法的有效性。     

并行多块结构重叠网格装配算法及应用

针对多块结构重叠网格并行装配的问题,设计了支持初始网格系统细分的多块结构重叠网格框架,并在此框架基础上提出了基于局部洞映射的并行挖洞算法、格心网格下可跨块寻点的并行搜索算法,使之可适应大规模并行数值模拟时的分布式计算环境。此算法被模块化的集成到了自主研发的大规模多块结构网格数值求解器（CCFD-MGMB）中,可支持大规模并行非定常多体分离数值模拟。并行测试结果表明,本文发展的算法具有良好的局部数据结构组织,数据可扩展性强。数值应用模拟结果表明了该算法的有效性及正确性,千核并行非定常数值计算效率（相对于64核）可达58%。     

基于风险策略的多单元连续双向拍卖的网格资源分配

针对计算网格资源的特点,提出一种基于风险策略的多单元连续双向拍卖的网格资源分配机制,实现对网格资源灵活有效的管理。首先,介绍了基于多单元连续双拍卖的网格资源分配框架。其次,针对计算网格资源的有限性,提出了RB2-MCDA机制。RB2-MCDA机制是在多单元连续双向拍卖中,代理采用Risk-Based2策略进行资源交易。Risk-Based2策略是一种基于风险行为的代理策略。实验结果表明,在不同规模的有限资源的计算网格中采用RB2-MCDA机制能够实现较高的资源分配效率,当资源需求量接近供给量时,分配效率超过99%。     

Parallel resource co-allocation for the computational grid

Resource co-allocation is one of the crucial problems affecting the utility of the grid. Because the numbers of the application tasks and amounts of required resources are enormous and quick responses to the requirements of users are necessary in the real grid environment, real-time resource co-allocation may be large-scale. A parallel resource co-allocation algorithm based on the framework for mapping with resource co-allocation is proposed in this paper. Through the result of experiments, it is concluded that the parallel method reduces the execution time of the resource co-allocation algorithm significantly, and makes the overall response time to the end-users small.     

QoS-based Task Group Deployment on Grid by Learning the Performance Data

Overhead of executing fine-grain tasks on computational grids led to task group or batch deployment in which a batch is resized according to the characteristics of the tasks, designated resource, and the interconnecting network. An economic grid demands an application to be processed within the given budget and deadline, referred to as the quality of service (QoS) requirements. In this paper, we increase the task success rate in an economic grid by optimally mapping the tasks to the resources prior to the batch deployment. The task-resource mapping (Advance QoS Planning) is decided based on QoS requirement and by mining the historical performance data of the application tasks using a genetic algorithm. The mapping is then used to assist in creating the task groups. Practical experiments are conducted to validate the proposed method and suggestions are given to implement our method in a cloud environment as well as to process real-time tasks.     

基于任务-资源分配图优化选取的网格依赖任务调度

任务调度是网格应用系统获得高性能的关键.网格计算中一个大型的应用程序往往被分解为具有依赖关系的多个任务.在资源个体差异较大、广域互连的网格环境下任务间的依赖关系对传统的调度策略提出了新的挑战.任务调度的主要工作是为任务分配资源以及确定任务的执行次序,将依赖任务的可能的资源分配方案表示为任务-资源分配图（T-RAG）,在该图的基础上提出了基于T-RAG优化选取的依赖任务调度模型,将依赖任务调度问题转化为图的优化选取问题,解析最优任务-资源分配图可以同时确定资源分配方案和任务的执行次序即为最优调度方案.最后,实现了基于该模型的任务调度算法,该算法与ILHA算法的对比分析表明,在资源差异较大及任务间存在大量数据传输的情况下所提出的算法更优.     

基于动态关键路径的仿真网格资源调度算法

从仿真系统工作流的关键路径分析，确定关键路径上的联邦成员节点，使网格资源调度方面优先获得保证。簦于仿真网格系统运行的复杂性和不确定性，引入了随机规划理论，提出了仿真网格的动态关键路径概念以及基于动态关键路径的资源调度算法，共同解决当资源有限以及任务相关情况下仿真网格的资源调度问题。具体实现，主要使用遗传算法以及MCP算法。仿真实验结果表明，基于动态关键路径的资源调度算法能够优化仿真网格资源的调度。     

基于计算经济的网格资源管理模型研究

由于网格中的资源具有分布性、自治性、异构性和动态性,对网格资源进行高效的管理是一个具有挑战性的问题.提出把移动Agent和Agent技术、计算经济机制引入网格资源管理.自治Agent利用双向拍卖经济杠杆的调节,以用户的QoS所驱动,对资源的使用进行竞价拍卖,使网格的资源管理能够自动适应环境的变化.提出的基于计算经济的网格资源管理模型DynamicSA,实现了以用户的QoS驱动,对网格资源的有效管理具有一定的理论意义.     

基于拍卖机制的网格资源分配方法

网格资源的动态性、异构性、自治性等特点,使得网格资源分配成为一个难点。目前存在的大多数分配方法仅关注分配效率,却对提高资源分配的公平性缺乏深入的研究。针对此问题,提出一种基于拍卖机制的网格资源分配方法,利用资源分配比例的算法分配资源。通过仿真实验表明该方法适合网格系统中的资源分配,能有效分配资源,提高了资源利用率,同时资源分配的公平性也得到显著的提高。     

基于GRIDSIM的网格调度Min-Min算法改进研究

本文中的网格任务调度算法是在研究异构工作流系统基于OGSA网格协同任务调度的过程中,根据网格环境中资源的可用度,在特定的相依性网格任务环境下,对经典Min—Min算法进行了部分改进,提出基于资源可用度和任务相关性的相依性网格任务映射启发式算法。在作者所设计的层次网格任务调度器中得到了较好的调度效果和调度服务质量。     

网格资源发现中移动Agent路径优化的研究

在对动态网格资源发现模型研究的基础上,改进了移动Agent在网格环境中的动态巡游策略.分析和比较了路径优化算法,在遗传算法和蚁群算法融合的基础上,提出了基于Agent的网格资源发现机制中进行路径优化的新方法,解决移动Agent为完成用户指定的资源发现任务在网格动态环境中移动时的迁移路径问题.实验结果表明了该算法的可行性,适应网格的动态性,以及提高网格资源发现的效率.