基于覆盖架构的NCS最小代价调度策略

将覆盖网络引入到基于Internet的网络控制系统（NCS）中,讨论了一种适合于Internet网络控制系统的相近最小代价调度（MLCS）策略,并对其进行了优化。通过仿真系统表明,该基于覆盖网络的调度及其优化策略能有效地保证网络服务质量QoS,从而提高NCS的性能。     

基于QoS的NCS网关调度研究

NCS网络控制系统是指控制回路通过网络进行闭合的反馈控制系统,网络的引进给控制系统的信息传输带来了延迟、信息丢失等问题,降低了控制系统的性能.针对这些问题,着重研究了将不同的子网络分为不同的Differentiated Service域(Ds域),对数据流使用QoS中的DS字节标签.按照不同服务等级,提出预留网络带宽、出口链路速率加权优先级分配等数据包流优化调度.通过MATLAB中的SIMUEVENTS对所提出的网关数据包流的优化调度策略进行仿真,并将仿真结果与基于传统以太网的NCS进行比较.     

QoS约束下基于双向分层的网格工作流调度算法

为使网格工作流的执行满足用户QoS要求,应用有向无环图描述工作流,并分析其中的关键活动,把用户对工作流的整体QoS约束分割为对单个任务的QoS约束.以此为基础,提出了一种基于双向分层的网格工作流调度算法Q-TWS.该算法通过对工作流正向分层和逆向分层,可以方便并准确找到任务之间的并行关系.Q-TWS可最大程度放松对任务执行时间的约束,在增加调度灵活性的同时又满足用户的QoS要求.实验表明,Q-TWS算法与TL算法相比,在同样的截止时间约束下,工作流执行时间较短,且工作流执行费用较小.     

QoS约束云环境下的工作流能效调度算法

云环境可以为大规模工作流的执行提供高效、可靠的运行环境,但工作流执行时带来的高能耗不仅会增加云资源提供方的经济成本,还会影响云系统的可靠性,并对环境产生不利影响。为了在满足用户截止时间QoS需求的同时降低云环境中工作流调度的执行能耗,提出一种工作流能效调度算法QCWES。该算法将工作流的能效调度方案求解划分为3个阶段:截止时间重分配、任务调度选择排序以及基于DVFS的最佳资源选择。截止时间重分配阶段旨在将用户定义的全局工作流截止时间在各个任务间进行重分配,任务调度选择排序阶段旨在通过自顶向下的任务分级方式得到任务调度序列;基于DVFS的最佳资源选择阶段旨在为每个任务选择带有合适电压/频率等级的最优目标资源,在满足任务的子截止时间的前提下使总体能耗达到最小。通过随机工作流和基于高斯消元法的现实工作流结构,对算法的性能进行仿真实验分析。结果表明,所提算法可以在满足截止时间约束下降低工作流的执行能耗,实现用户方的QoS需求与资源方的能耗间的均衡。     

多媒体网络中基于优先级调度的实时QoS研究

使用到达函数和服务函数描述不同优先级实时分组集的到达和处理,基于期望可调度性来刻画不同紧急程度的实时应用对延迟的要求。提出的方法能够实现实时QoS控制下的瞬时特性研究,判定某一时刻不同优先级分组集的可调度性。最后对指数分布服务时间下的不同优先级分组集的期望可调度性进行了研究,基于理论结论的数值结果和基于模型的模拟结果是一致的。     

实现QoS的常用队列调度算法

作为保证QoS的一种重要的手段，队列调度算法近年来引起了网络研究者的广泛关注。本文首先介绍了队列调度算法在理论框架中的位置与背景，然后对传统的优先级算法、轮循算法进行了介绍，重点讨论了基于GPS(通用处理器共享)流模型的PFQ调度算法及最常用的一种实现模型WFQ。     

多QoS约束下网格工作流调度的克隆选择算法

多QoS约束下的工作流调度是网格计算中难以求解的问题.在深入剖析该问题难解性基础上,采用克隆选择算法求解该问题.首先通过增加网格服务的唯一标识,简化工作流调度的编码方式.其次,提出QoS偏好的概念,将调度问题的目标函数转换为适应值函数.该算法具有QoS属性的可扩展性.最后通过大量实验,优化算法参数,与基于遗传算法、蚁群算法的调度算法对比,克隆选择算法求解效率较优.在扩展情况下,与单一QoS约束下的时间、费用贪婪算法对比,克隆选择算法能进行最优调度.     

多QoS约束网格作业调度问题的多目标演化算法

针对网格计算中的多QoS约束网格作业调度问题,以独立作业为研究对象,将其规约为多目标组合最优化问题．通过深入剖析多目标最优化理论及其演化算法,结合网格作业调度自然特征,提出了一种解决多QoS约束网格作业调度问题的多目标演化算法．该算法求解多个QoS维度效用函数指标的非劣解集,尝试解决多管理域间网格用户、资源管理者等网格实体的多目标协同问题．仿真结果表明,在时间维度、可靠性维度、安全性维度QoS效用值等用户级QoS指标,以及丢弃作业数等系统级指标方面该算法与QoS-Min-min和QoS-Sufferage等同类算法相比具有较好的综合性能．     

一种支持多QoS约束的多播路由协议

在分析YAM、QoSMIC和QMRP协议的基础上,讨论了包括延时、延时抖动、带宽和代价约束的多播路由问题,描述了一种适用于多QoS约束的多播路由的网络优化模型,提出了一种支持多QoS约束的多播路由协议（MRPMQoS）,构建在NS2下该协议的仿真模块.该协议只要求网络链路（或节点）的局部状态信息,不需要维护全局状态信息,多播组成员可动态地加入/退出多播会晤.该协议采用单路径寻径和多路径寻径相结合的搜索方式,有效地减少构造一棵多播树的开销,降低结点加入延时和提高寻径成功率.NS2仿真结果证明,该协议的可用性和有效性,可用于不同规模网络,具有良好的可扩展性.     

一种用于移动自组控制网络的QoS路由

为更好地将移动自组网络用于网络控制系统（NCS）,结合NCS的网络特性,提出了一种基于链路信号质量的QoS路由算法。主要QoS机制包括根据接收信号强度选择较稳定的路由;用Hello报文广播节点的预留带宽;中间节点为所有受影响的数据流修复路由、目的节点向源节点广播路由修复报文进行路由修复。NS2仿真表明当节点移动性强时,该QoS路由算法可有效减少网络的平均端到端时延和丢包率,提高控制系统稳定性。     

基于马尔科夫链的网络控制系统调度

网络控制系统数据包的丢失将导致控制系统性能下降与网络资源利用率降低。以马尔科夫链对网络控制系统的数据包丢失时延进行动态预测,并将它作为网络利用率的一个重要参数,利用反馈原理动态地调整网络控制系统控制任务周期,在线分配网络资源,实现调度与控制的集成,提高了网络资源的利用率与控制系统性能,仿真结果表明了该方法的有效性。     

基于QoS的云任务调度算法研究

随着云计算的发展,越来越多的人开始使用云来处理他们的业务,这对公有云平台提出了一些重要挑战:如何让公有云平台在不断激增的云业务模式下,既能保证云用户的服务满意度,同时也能稳步提高云服务商(CloudServiceProviders)的收益。首先建立了任务调度算法以及QoS需求约束等相关模型,然后将QoS(Qualityof Service)需求约束分别引入到三种传统任务调度算法(FCFS(RR)、MinMin和MaxMin算法)中对其进行改进,接着将改进后的算法与传统任务调度算法之间进行比较,通过选取在任务完成度、任务最终完成时间(MakeSpan)、任务平均执行时间(这些影响用户的服务满意度),以及云服务商总收益等方面的指标表现,最后确定了一个较好的改进MinMin任务调度算法(I-MinMin算法)。实验通过CloudSim进行模拟,并采用了现有的阿里云ECS云服务器中的虚拟机实例相关数据。结果表明:在任务量不断增加的情况下,I-MinMin算法在用户的服务满意度各方面,以及云服务商总收益等指标表现上要更优于其他算法,更好地实现了用户和云服务商的双重利益。     

基于QoS的改进比例公平算法研究

提出了1种适用于无线网络的分组调度算法,该算法在原有比例公平算法的基础上,加入服务质量（QoS）的因素,在保证用户QoS的基础上,使系统容量最大化。通过分析研究,对比例公平算法以及改进算法同时进行了仿真。结果表明,改进比例公平算法在公平性上有所改善,然而在吞吐量方面有略微的损失。     

基于GridSim模拟器的网格资源调度算法的研究

网格资源调度策略是网格计算领域中的关键研究方向之一,网格模拟器是资源调度策略优化和改进研究的重要平台,本文研究了GridSim模拟器,对此模拟器的整个框架结构和运行机制作了阐述,本文对基础的Minmin算法和QoS Guided Min-min算法进行研究和改进,并通过基于GridSim包设计了应用程序对改进后的算法进行了相应的模拟。模拟研究结果表明,改进后的算法在任务平均完成时间上优于以前的算法。     

基于GridSim模拟器的网格资源调度算法的研究

网格资源调度策略是网格计算领域中的关键研究方向之一,网格模拟器是资源调度策略优化和改进研究的重要平台,本文研究了GridSim模拟器．对此模拟器的整个框架结构和运行机制作了阐述,本文对基础的Minmin算法和QoS Guided Min—min算法进行研究和改进,并通过基于GridSim包设计了应用程序对改进后的算法进行了相应的模拟。模拟研究结果表明,改进后的算法在任务平均完成时间上优于以前的算法。     

基于GridSim模拟器的网格资源调度算法研究

网格资源调度策略是网格计算领域中的关键研究方向之一,网格模拟器是资源调度策略优化和改进研究的重要平台.本文研究了GridSim模拟器,对此模拟器的整个框架结构和运行机制作了阐述;对基础的Minmin算法和QoS Guided Min-min算法进行研究和改进,并通过基于GridSim包设计了应用程序,对改进后的算法进行了相应的模拟.模拟研究结果表明,改进后的算法在任务平均完成时间上优于以前的算法.     

Effective Capacity and QoS for Wireless Scheduling

Multiuser scheduling in a wireless context, where channel state information is exploited at the base station, can result in significant throughput gains to users. However, when QoS constraints are imposed (in the form of overflow probabilities), the benefits of multiuser scheduling are not clear. In this paper, we address this question for independent and identically distributed ON-OFF channel models, and study a ldquomultiuserrdquo formulation of effective capacity with QoS constraints. We consider a channel-aware greedy rule as well as the channel-aware max-queue rule, and showed that these algorithms that yield the same long-term throughput without QoS constraints have very different performance when QoS constraints are imposed. Next, we study the effective capacity for varying channel burstiness. From results on multiuser scheduling, we expect the long-term throughput to grow with increasing channel burstiness. However, we show that the throughput with QoS constraints decreases with increasing channel burstiness. The intuitive justification for this is that with increasing burstiness, even though the the long-term throughput increases, the channel access delay increases as well resulting in poor QoS performance.     

网格环境下基于QoS的协作型任务调度算法研究

在深入研究网格环境下任务调度算法的基础上,提出一种基于QoS的协作型任务调度遗传算法并通过引入协作型任务的形式化描述DAG图构造了QoS参数模型.该参数模型提出了任务完成时间、价格和可靠性三个QoS参数并将这些QoS参数引入遗传算法,实现了网格环境下协作型任务调度对服务质量的优化并保证了协作型任务之间的数据依赖.通过与DAG-MIN和DAG-GSA算法的对比实验表明,该算法能在保证较优调度性能的同时大幅度提高调度的服务质量.