一种新的异构网格任务调度算法

提出了一种基于免疫计算的异构网格任务调度算法。设计了异构网格独立任务调度问题的数学模型,给出了免疫调度算法的框架、基于实数编码的克隆变异算子和浓度抑制算子,并在仿真环境下进行了实验。实验结果表明,算法能有效地解决异构网格任务调度问题,具有较好的应用价值。     

一种应用于网格计算环境的任务调度模式*

提出了一种新的网格任务调度模式,针对网格计算资源有组织、松耦合、自治等特性,建立基于多层次虚拟组织形式的计算资源模型;根据网格环境中应用任务粗粒度、特定资源依赖等特点,建立了网格任务的描述模型;提出并实现了相应的子任务生成算法、任务初始调度算法及自动调整算法。设计实现了能够支持仿真及实际网格计算环境可扩展网格任务调度器,通过理论分析和仿真实验对算法的正确性、效果和效率进行了评价。     

基于分层遗传算法的网格任务调度策略

针对传统的网格任务调度算法存在的缺陷,提出了用分层遗传算法来实现对网格任务调度策略的优化.在构造分层遗传算法时引入了SGA,AGA和CHC算法. SGA采用基本的遗传操作,保证了种群的多样性;AGA对交叉概率和变异概率的动态调整,保证了遗传算法的收敛性;CHC算法强调优良个体的保留,加快了遗传算法的收敛速度;分层遗传算法在吸收了这3种算法优点的基础上进行优化.实验结果表明,分层遗传算法在结果精度和收敛速度上都较其他算法有较大程度的提高.     

网格任务调度算法研究

网格计算的目标之一是聚集广泛分布的资源,向用户提供各种应用工具的一体化透明服务。本文总结了网格系统的体系结构和特征,分析网格任务调度算法的基本原理和性能指标。然后从不同的角度来讨论各种网格调度算法,并对其进行分类和比较,最后指出了网格调度算法的研究新方向,为网格任务调度的研究提供了很大参考价值。     

设备网格中的任务调度算法

基于设备网格环境中仪器设备的利用率和提交任务的QoS需求来考虑,结合任务调度算法Min-min,提出了一种设备网格中的Qos-Balance任务调度算法.该算法既保证了负载均衡性和又可满足提交任务的QoS需求.实验结果表明,该算法是一种可行的设备网格任务调度算法.最后介绍了算法实验的结果分析.     

基于Min-Min遗传算法的网格任务调度方法

针对网格环境异构、分布等特点,在现有的任务调度算法的基础上,结合Min-Min算法和遗传算法的优点,提出了一种基于Min-Min遗传算法的任务调度方法。仿真实验表明：在网格环境下,该算法具有合理性和高效性。     

基于蚂蚁算法的网格任务调度研究

在多目标的任务条件下,网格任务调度不仅要完成多目标的优化工作,还要提升蚂蚁算法的资源利用率。基于蚂蚁算法的网格任务调度,属于集群计算机处理系统,其中每个数据库分布节点都有着较高的独立性。本文主要对基于蚂蚁算法的网格任务调度进行研究,通过分析蚂蚁算法的改进策略,得出蚂蚁算法的网格任务调度的有效性与仿真结果。     

网格任务调度算法研究

网格任务调度算法是影响网格成功与否的关键技术之一。本文总结了网格计算系统的体系结构和特征,分析了网格任务调度算法的基本原理和性能指标,并对各种调度策略和算法进行了分类和比较。本文为网格任务调度的研究提供了很好的参考。     

一种基于蚁群算法的网格任务调度方法

网格资源具有动态变化,广域分布及系统异构的特性,如何分配调度这些资源成为网格计算研究领域一个重要研究课题。国内外在网格任务调度研究上已经做了大量工作,但是这些算法大多是基于计算网格的,不能很好的适应服务网格环境下存在任务相关性的调度,同时在适应网格的动态性、异构性上也存在不足。针对目前网格调度机制存在的问题,提出了一种基于蚁群算法的服务网格任务动态调度方法,仿真实验结果表明该算法具有较好的性能和自适应性。     

基于PSODE的网格任务调度算法

针对网格计算中任务在各个资源之间的调度问题,提出了一种网格环境下PSODE的任务调度算法.该算法实现了计算资源、存储资源、带宽资源、数据资源的利用率最高化和代价最低化.对基本粒子群算法和差分进化算法进行了分析,通过构造算法函数、适应值函数和权重公式,建立了粒子群差分混合算法并对其进行优化,介绍了算法的实现过程.实验结果表明,该算法与其它调度算法比较,具有良好的性能.     

网格优化有向超图任务调度算法

任务调度是网格计算的一个重要部分.分析网格环境下任务调度的特点以及传统DAG图的优缺点,吸取有向超图的优点,将有向超图理论融合网格环境特征,建立了网格环境下的优化有向超图模型,并在此基础上通过网格优化有向超图的水平构形、标号及带宽计算实现任务对网格资源的映射与调度,提出网格优化有向超图任务调度算法GODHTS.模拟实验结果证明了该模型及其算法的有效性和优越性.     

网格中任务调度算法研究

该文首先分析比较了网格中任务调度的动态和静态算法,然后对遗传算法在任务调度中的应用进行了讨论,并给出了具体实现步骤,提供了一定的借鉴意义。     

基于通信和计算开销的网格任务调度算法的研究

在计算密集型的异构网格环境中,有效的任务调度是一个关键的问题,这是一个完全NP问题,针对这一问题提出了一种基于通信和计算开销的启发式网格任务调度算法,这一算法考虑了不同的节点计算能力、任务大小和网络带宽,最后给出了相应的实验及相关算法的比较结果,表明了该算法对于异构环境具有更优的性能。     

网格资源超图划分聚类任务调度

网格计算是当前一个活跃的研究领域,其中任务调度是实现网格计算目标的一个重要部分.为获得良好的网格任务调度性能,提出了一种基于资源超图划分聚类的网格任务调度算法RHPC.该算法根据网格环境下资源数量庞大、异构、多样的特点,在构建的网格资源超图模型基础上,预先对资源进行性能划分聚类,将任务与聚类资源相匹配并实施调度.模拟实验结果证明算法缩短了任务资源相匹配的时间,提高了任务调度的性能,是一种有效的网格任务调度算法.     

基于OGSA的网格编程技术

目前,网格技术作为一种新的计算范式正在兴起。网格论坛组织提出的OGSA正成为网格应用的通用和标准化的体系结构,其核心就是网格服务,它是Web Service和网格技术的结合。本文对该体系结构进行了概述,并对网格程序的编写模式进行了归纳和总结。     

基于OGSA标准的发票数据库网格IDBGrid的设计与实现

该文根据OGSA标准提出将分布于全国各地的成千发票数据库虚拟化,通过对原系统的重新规划与设计,建成一个具有超强的存储和运算能力的发票数据库网格IDBGrid,IDBGrid在Web服务资源框架基础上提供网格数据库管理系统注册服务、网格数据库管理服务、网格数据服务、网格数据库复制服务、网格数据库监控服务、网格数据库故障转移服务等,提供一个统一、透明的数据库网格访问和整合界面,通过网格环境下数据库服务器之间的协同处理达到提高资源利用率、运行性能,降低开发和维护成本,增强系统健壮性和可用性的目的,文章重点研究了异构环境下数据库管理系统的网格化管理的关键技术。     

基于克隆算法的网格资源调度探讨

针对传统的遗传算法的网格任务调度中存在的问题,提出了一种免疫克隆算法的网格资源调度算法,仿真证明,该算法在保证调度均衡的状态下保持了较好的效率。     

网格计算资源调度算法研究

如何将网格这个复杂环境中的资源进行有效调度，是一个NP问题。并行遗传算法被证明是解决这类问题的有效算法，同时并行遗传算法有“早熟”和慢速收敛等缺点。为了克服其缺点，该文引进蚁群算法思想，将两个算法结合起来，充分发挥各自的优势，该算法能更有效地解决网格计算资源分配的问题。     

Enhanced Dynamic Hierarchical Replication and Weighted Scheduling Strategy in Data Grid

The Data Grid provides massive aggregated computing resources and distributed storage space to deal with data-intensive applications. Due to the limitation of available resources in the grid as well as production of large volumes of data, efficient use of the Grid resources becomes an important challenge. Data replication is a key optimization technique for reducing access latency and managing large data by storing data in a wise manner. Effective scheduling in the Grid can reduce the amount of data transferred among nodes by submitting a job to a node where most of the requested data files are available. In this paper two strategies are proposed, first a novel job scheduling strategy called Weighted Scheduling Strategy (WSS) that uses hierarchical scheduling to reduce the search time for an appropriate computing node. It considers the number of jobs waiting in a queue, the location of the required data for the job and the computing capacity of the sites Second, a dynamic data replication strategy, called Enhanced Dynamic Hierarchical Replication (EDHR) that improves file access time. This strategy is an enhanced version of the Dynamic Hierarchical Replication strategy. It uses an economic model for file deletion when there is not enough space for the replica. The economic model is based on the future value of a data file. Best replica placement plays an important role for obtaining maximum benefit from replication as well as reducing storage cost and mean job execution time. So, it is considered in this paper. The proposed strategies are implemented by OptorSim, the European Data Grid simulator. Experiment results show that the proposed strategies achieve better performance by minimizing the data access time and avoiding unnecessary replication.