LTE系统中资源调度机制的研究与实现

本文对LTE系统中资源调度机制进行深入研究,提出了一种实用的调度机制实现方法。首先阐述了资源调度机制的实现方法,然后详述与资源调度相关的两个过程的控制流程：BSR、SR,描述了BSR过程的触发机制,针对BSR与SR的协同流程给出了其实现流程图,并根据最后实现的代码对调度流程进行TTCN协仿真测试,得出MSC图与调度流程图进行校验。最后总结了LTE系统中资源调度的优势及本文提出的资源调度实现方法,从而为LTE系统中资源调度机制的实现提供参考。     

LTE系统中资源调度机制的研究与实现

本文提出了一种实用的调度机制实现方法。首先阐述了资源调度机制的实现方法．然后详述与资源调度相关两个过程的控制流程：BSR．SR．描述了BSR过程的触发机制．针对BSR与SR的协同流程给出了其实现流程图．并根据最后实现的代码对调度流程进行TTCN协仿真测试．得出MSC图与调度流程图进行校验。最后总结了LTE系统中资源调度的优势及本文提出的资源调度实现方法,从而为LTE系统中资源调度机制的实现提供参考。     

LTE系统中MAC层BSR的研究与设计

调度是LTE(长期演进)的关键技术,是影响系统性能的一项重要因素。LTE主要采用动态资源分配机制,文章就LTE上行资源调度过程进行深入研究。首先提出了一种实用的调度方法,通过SR(调度请求)和BSR(缓存状态报告)的协同发送来完成,并结合具体情况详细的描述了各种BSR的触发机制和发送流过程设计。最后方案通过处理多个BSR之间以及BSR与缓存数据之间、BSR与上行资源之间的问题,提高了系统稳定性和资源利用率,从而为LTE系统中资源调度机制的实现提供参考。     

LTE系统中BSR和SR发送问题的改进

调度是LTE(长期演进)系统中基站为用户分配资源的重要环节和关键技术。UE(用户终端)一般通过BSR(缓存状态报告)和SR(调度请求)获得无线资源。文章针对BSR和SR同时存在时造成资源浪费的问题,通过不同的参数设置设计了解决方案,并且提出了一种在半静态调度下判断触发BSR和SR的方法以及解决填充BSR和其他BSR冲突的方法,有效地提高了资源利用率和系统稳定性。     

一种基于双向拍卖机制的网格资源调度方法

本文提出了一种基于连续的双向拍卖机制的网格资源调度方法：以均衡理论和双向拍卖机制为基础，实现网格资源的优化调度。首先描述了在网格环境下的双向拍卖机制，包括拍卖的规则和用户竞价策略；然后通过一个流程图描述了用户代理使用这种拍卖机制参与拍卖的步骤；最后通过仿真实验的结果，验证了这种双向拍卖策略的性能。理论上运用这种双向拍卖机制的调度方法，优先考虑了用户的需求，并且可以比较高效的、合理的产生资源的价格。     

基于容器技术的云计算资源合理调度方法研究

传统基于Hypervisor模型的云计算资源调度方法存在长时间得不到调度,调度性能低的问题。针对该问题,设计基于容器技术的云计算资源合理调度方法,设计了调度系统的架构以及调度流程。详细说明了虚拟机迁移时间判断流程以及被迁移虚拟机选择流程。采用Migrate方法完成虚拟机的迁移,资源统计过程通过调用Libvirt的接口实现通信,并通过近似的方式运算虚拟机CPU使用率,降低了云计算资源调度时的数据中心能耗。经过测试表明,所提方法稳定性高,总体性能优,达到了预期目标。     

基于LTE-A联合调度的实现与性能分析

在下一代移动通信系统中,越来越多不同类型的数据业务使得LTE-A系统中的调度问题备受关注。针对LTE-A系统中存在的调度机制,分析不同调度机制的特点及使用情景,提出了联合调度的调度方式,并详细阐述联合调度机制的实现过程和示例,最后通过MATLAB仿真,结果显示在不同控制信道数下,联合调度的用户容量和数据包延迟要比动态调度的性能更加优越。     

机器学习算法在频率调度优化中的应用

本文介绍了机器学习方法中常用的一些聚类方法的基本原理和机制。基于当前频率调度的基本流程，调度中存在播出需求任务大量增加、需求频率不均匀、设备相对不足等问题。为解决此问题，本文借助机器学习、数据挖掘等人工智能技术建立数学模型，不断调整模型参数，对大量的数据进行深度挖掘，找出其中潜在的规律，优化调度流程，从而实现频率调度的精准化，提升发射资源的利用率。     

跨层资源调度算法综述

跨层资源调度对实现资源的有效利用,保证业务的QoS起着重要作用.本文对跨层资源调度的研究状况进行了概述:根据所采用的技术体制和约束类型,介绍了单载波系统和OFDM系统的多用户机会调度问题和相应算法,分析了单一类型和多种类型资源共享约束下的机会调度算法:分别从队列调度、子载波分配和功率控制3个方面,对基于队列和信道状态信息的资源调度算法进行了分析和比较:对提高反馈信息的准确性、减少反馈信息量的方法和机制进行了简要介绍.最后指出了需要进一步研究的问题.     

Hadoop YARN大数据计算框架及其资源调度机制研究

Hadoop 2.0提出一种新的资源管理系统YARN,它可以支持多种大数据计算框架(如Map Reduce、Storm、Spark等),目前已经成为腾讯、阿里等互联网公司部署大数据平台采用的主流计算框架。为此,文章在分析Hadoop YARN计算框架的基本结构和工作流程的基础上,重点研究Hadoop YARN中的资源调度机制,包括其资源调度器的模型与机制,及其目前已经实现的容量调度器(Capacity Scheduler)和公平调度器(Fair Scheduler)的设计思想、工作原理和脆弱性,并探讨其下一代欧米伽调度器(Omega Scheduler)的主要设计思想。     

远程预警相控阵雷达资源调度仿真研究

在分析远程预警雷达工作方式和资源调度设计原则的基础上，提出了一种仿真实现自适应资源调度的方法，并给出了仿真实现的详细流程。该方法能够根据雷达事件的优先级、驻留长度以及期望发射时间合理的安排雷达事件，仿真结果验证了该方法的有效性。     

基于trace的仿真平台的调度研究

随着多理机SoC设计的复杂度和异构性不断增长,需要研究设计一种新的性能评估方法来缩短产品开发周期.提出并实现了一种基于trace的仿真平台,旨在为早期阶段系统的设计空间考察提供性能评估.为了保证准确性,仿真平台要求可以考虑计算资源和通信资源的共享.着重讨论了不同的调度策略的设计,其中包括可抢先的机制.最后通过一个实验对仿真平台的调度机制进行了验证.     

一种可调度的流程模型

对管理信息系统中流程的处理，提出一种用户可调度的流程模型，使流程规则即流程中各环节处理的先后次序可由用户调整，实现可变流程的用户调度。在对该模型进行分析后，以九江邮电局装机，移机流程调度为例，介绍了一种实现方法。     

云计算资源调度算法的研究与实现

在研究蚁群算法、任务分配和资源调度的基础上,提出了一种改进的蚁群资源调度算法.首先通过引入节点可信度机制在一定程度上增强了云计算资源的搜索能力和节点完成任务的成功率.然后在改进的算法中使用了信息素的局部更新机制和全局更新机制,可以有效地平衡负载.最后通过选取合适的参数利用CloudSim仿真工具对改进的资源调度算法进行实验测试,实验结果表明此算法缩短了任务的执行时间,改善了云计算资源调度的性能.     

电力调度分布式工作流的设计与实现

电力系统安全调度是电网安全稳定运行的基础.在海量数据的视域下,传统通过数据库进行工作流数据存储方式虽然统计便利,但是调用数据库的过程十分复杂,效率比较低,不利于即时调度、指挥及跨系统流转.本文依照国家电网现有的智能调度技术支持平台为基础蓝本,结合总线服务、邮件服务和电力分布式工作流的特点,提出电力调度分布式流程交互及服务集成机制设计与实现方式.     

密码服务资源按需高效调度方案

随着“互联网+”时代数据安全传输和细粒度认证需求的日益增长,各类应用对密码服务的使用愈发频繁,如何处理随机交叉且峰值差异大的密码服务请求逐渐成为制约互联网服务安全应用的瓶颈问题。基于此,提出了一种高效的密码服务资源按需调度方案,实现了密码服务资源的高效差异化动态按需调度。首先,提出基于优化熵值法的密码设备归一化评价模型,实现对密码服务能力的描述和动态监测;然后,提出一种适用于不同密码服务需求的密码作业调度策略,并结合密码资源重构机制,实现对密码资源的差异化配置与调度;最后,通过理论分析和在实际生产环境中部署测试的方法,对所提方案进行验证。理论分析和实验测试结果表明,所提方案能较好地保证密码服务调度的高效性和可靠性,加解密吞吐率可达56 Gbit/s。     

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。     

网络资源的均衡化调度算法研究

针对传统轮询算法对网络资源的均衡化调度存在负载均衡性差、网络资源浪费严重以及资源调度效果差的问题,提出一种新的网络资源均衡化调度算法。基于网络资源的均衡化算法运行过程,设计异构集群的并行计算熵的计算矩阵,实现虚拟机的调度,对调度目标的物理节点进行分析,完成网络资源多线程负载均衡调度。采用基于处理时间的网络资源负载动态均衡算法,对每个物理节点建立负载调度机制,使物理节点按照内部最优调度方式实施均衡调度,实现对网络资源的均衡化调度。实验结果表明,所提算法的调度效率高,且具有较高的负载均衡稳定性,可以减少网络资源的浪费,增强网络资源的调度效果。     

网络学习资源组织流程的优化方法研究与设计

针对网络学习资源组织流程的复杂性,进行组织流程优化设计,提高学习资源调度的效率,提出一种基于模糊PID控制的网络学习资源组织流程优化控制方法。首先构建网络学习资源组织流程控制的约束参量和控制目标函数,然后采用CDMA协同调度的混合协议进行网络学习资源的组织流程均衡配置,采用模糊PID神经网络控制模型进行组织流程控制目标函数的最优解特征分析,实现流程优化。最后进行仿真测试,结果表明,采用该网络学习资源组织流程能节省学习资源调度的任务开销,降低延时,提高学习资源分配效率。     

多模态网络中时间敏感网络模态的智能调度机制

针对多模态网络中时间敏感网络模态转发调度不确定、求解时间长等问题,提出了一种基于CSQF的时间敏感网络模态的联合路由与调度机制。综合考虑有界时延需求、网络状态和不同的路由机制,建立联合缓存队列和路由的混合资源调度模型,旨在优化整个网络的资源使用。基于深度强化学习方法,利用流量特征与缓存队列利用率来预测下一循环的缓存利用率。此外,基于多队列CSQF转发调度机制和基于缓存利用率的显式路由算法,提出了一种迭代调度算法,实现了确定性转发和资源分配。仿真结果表明,所提机制可以根据网络的资源使用情况有效地调整确定性应用的传输调度,与其他离线调度机制相比,具有更好的调度性能。