物联网任务调度优化建模与仿真研究

物联网环境下的有序任务调度是各智能设备协调工作的关键.由于物联网环境下的设备众多,在各个设备中又存在众多的子任务调度过程.各个设备之间,设备内部的任务调度之间存十分复杂的关联性.有些关联本身就是矛盾的,形成多核调度需求.传统物联网的任务调度模型,针对多设备、多任务的调度问题,都是采用加入约束条件完成调度过程,但是,在复杂任务调度过程中,无法用约束满足所有线性调度关系,调度过程存在较大缺陷.提出采用组合赋权法的物联网任务优化调度模型,根据物联网多核任务调度的特点,塑造物联网多核操作状态下的任务选择模型,将任务选择问题转换成多属性决策问题,通过组合赋权法求出各个属性的权重,将待完成任务依据权重值大小进行排序,优先执行综合属性值最大的待完成任务,依据优先执行任务选择方法塑造面向资源优化的物联网中任务调度模型,完成物联网多核任务优化调度.仿真结果表明,所提方法完成相同任务的时间更短.     

装备维修保障资源配置综述

装备维修资源配置优化方法的研究对提升维修保障效率具有不可估量的作用,然而当前装备维修保障系统的维修资源的研究已经不能满足多中心系统高效保障的实际需求。因此,本文详细分析了装备维修保障维修资源配置优化问题的相关研究。首先概述了多中心装备保障系统主要包括维修任务预测、维修资源配置和多中心维修任务调度3个任务模块,并以此确定了维修保障资源配置流程。然后重点针对维修人员和维修备件资源配置优化问题参数、理论方法以及研究现状进行了综述。最后针对多中心维修保障系统资源研究的缺陷对未来发展趋势进行了展望,形成一种新的研究思路,为后续开展多中心系统资源配置优化研究提供参考。     

基于DNA算法的硬实时系统预调度的研究

针对传统遗传算法在解决硬实时系统任务预调度问题时,存在早熟收敛现象,提出了一种基于DNA遗传算法的任务预调度序列搜索方法.该方法将复杂的任务调度问题转化为解决离散优化问题,利用任务的时间延迟作为目标函数,通过改进DNA遗传算法的变异算子时任务调度序列进行求解,并最终找到了具有可行性调度的最优解.仿真结果表明,所给出的搜索方法同传统遗传算法相比,具有更快的收敛速度.在初始群体规模相同的条件下,该方法的迭代次数仅为遗传算法的21.5%.     

改进蚁群算法的云计算任务调度方法

针对蚁群算法在云计算任务调度问题求解过程存在的不足,以找到最佳的云计算任务调度方案为目标,提出了一种基于改进蚁群算法的云计算任务调度方法.首先对当前云计算任务调度研究现状进行分析,并对问题进行了具体描述,然后采用蚁群算法对云计算任务调度问题进行求解,并针对标准蚁群算法缺陷进行改进,最后在CloudSim平台对该方法的性能进行测试.结果表明,改进蚁群算法可以找到较好的云计算任务问题调度方案,加快云计算任务完成速度,具有一定的实际应用价值.     

军械装备保障数据仓库中的ETL过程优化研究

针对军械装备保障数据仓库中复杂的ETL过程,提出采用改进的粒子群算法进行ETL任务调度的优化策略;通过改进惯性向量,使其具备动态调整能力,形成更具寻优特性的动态w粒子群算法(DWPSO);在对数据仓库ETL调度过程进行数学化描述的基础上,将改进算法应用在以最小执行时间为目标函数任务调度中,并通过仿真实验证明了该算法的有效性.     

云环境下基于强化学习的多目标任务调度算法

针对云计算环境下的多目标任务调度问题,提出一种新的基于Q学习的多目标优化任务调度算法(Multi-objective Task Scheduling Algorithm based on Q-learning,QM TS).该算法的主要思想是:首先,在任务排序阶段利用Q-learning算法中的自学习过程得到更加合理的任务序列;然后,在虚拟机分配阶段使用线性加权法综合考虑任务最早完成时间和计算节点的计算成本,达到同时优化多目标问题的目的;最后,以产生更小的makespan和总成本为目标函数对任务进行调度,得到任务完成后的实验结果.实验结果表明,QMTS算法在使用Q-learning对任务进行排序后可以得到比HEFT算法更小的makespan;并且根据优化多目标调度策略在任务执行过程中减少了makespan和总成本,是一种有效的多目标优化任务调度算法.     

数据驱动的多星任务网络预测调度算法

多星任务调度是具有NP-hard特性的优化问题,随着卫星资源规模和任务需求规模的双重增长,传统调度方法求解效率不高.在轨卫星在常年运行过程中积累了丰富的调度数据.针对大规模多星任务调度场景,建立多星多波束任务调度模型,并提出数据驱动的多星任务网络预测调度算法对其求解.以分割的思想,实现多星场景下任务可调度性预测.从历史调度数据中,提取设定的3个静态特征和5个动态特征,构建并训练预测网络,预测任务被不同卫星完成的概率,并以冲突避免、负载均衡等为原则,得到初始任务和资源卫星的分配方案.进一步设计双链结构的进化算法,以双链编码形式表征上述关系,配合设计的交叉、修复等进化算子,优化初始方案中的任务序列与资源分配关系,输出最终任务调度方案.仿真结果表明,与改进蚁群算法、混合遗传算法和数据驱动并行调度算法相比,所提出算法在运行时间、方案收益和卫星负载均衡3方面均有较好的表现.     

基于多智能体的虚拟企业任务调度模型及优化

采用多智能体技术构建虚拟企业任务调度模型, 并对基于该模型的任务调度运作过程进行说明. 针对调度优化问题, 以资源智能体承担的生产任务为研究对象, 综合考虑生产任务之间的时序逻辑关系、作业时间及资源自身已确定的生产任务等影响因素, 建立以生产延续时间最小为目标的优化模型, 给出粒子群优化求解算法. 应用实例及数字仿真验证了模型及优化算法有效性.     

基于多Agent的虚拟企业任务调度模型及优化

采用多钾能体技术构建虚拟企业任务调度模型,并对基于该模型的任务调度运作过程进行说明.针对调度优化问题,以资源智能体承担的生产任务为研究对象,综合考虑生产任务之间的时序逻辑关系、作业时间及资源自身已确定的生产任务等影响因素,建立以生产延续时间最小为目标的优化模型,给出粒子群优化求解算法.应用实例及数字仿真验证了模型及优化算法有效性.     

云计算环境下基于用户和资源约束的免疫效用均衡任务调度算法

针对云计算中的任务调度问题, 提出了一种免疫均衡效用任务调度算法. 该算法将云计算环境下任务调度问题建模为一个多目标优化模型, 同时兼顾了用户任务的时间跨度和虚拟化资源的负载均衡. 仿真结果表明, 该任务调度算法提高了用户满意度的同时减少了任务的完成时间, 是云平台下一种有效的任务调度策略.     

一个调度Fork-Join任务图的新算法

任务调度是影响工作站网络效率的关键因素之一.Fork-Join任务图可以代表很多并行结构,但其他已有调度Fork-Join任务图算法忽略了在非全互连工作站网络环境中通信之间不能并行执行的问题,有些效率高的算法又没有考虑节省处理器个数的问题.因此,专门针对该任务图,综合考虑调度长度、非并行通信和节省处理器个数问题,提出了一个基于任务复制的静态调度算法TSA_FJ.通过随机产生任务的执行时间和通信时间,生成了多个Fork-Join任务图,并且采用TSA_FJ算法和其他调度算法对生成的任务图进行调度.结果表明,     

面向多维修中心的资源受限任务调度问题研究

装备维修保障对推进作战顺利进行具有重要作用,合理高效的维修任务调度是维修保障的主要内容。首先讨论了资源受限伴随维修保障任务调度下的资源分类、优先级评估指标、维修调度模型、动态调度算法;其次分析了装备维修工序调度的流程;然后介绍了常见调度问题的目标函数、约束条件、求解算法;最后总结了资源受限任务调度存在的开放性问题和未来的发展方向。     

树型网格计算环境下的自适应任务调度算法

提出一种基于树型计算网格的自适应调度算法,实现对小粒度独立任务和用户大作业的自适应最优调度。通过对网格环境的实时检测,给出了基于节点负载状况、节点任务执行时间、任务传输时间和任务特性的自适应调度算法,即基于最优任务分配方案的启发式任务调度算法。通过实验与其他调度算法的比较,证明了所提出的任务调度算法在负载平衡和最优跨度方面具有明显的优越性。     

一种基于遗传算法的网格任务调度算法

任务调度算法是网格计算研究的一个重要方向,已被证明是一个NP完全问题。提出了一种新的网格任务调度算法。该算法基于遗传算法,为加快算法的收敛速度,在生成初始种群时优先分配关键路径上的任务;由于资源间存在着通信延迟,引入任务复制方法,并结合遗传操作控制任务复制的深度,可以减少任务之间的通信开销,缩短整个调度的完成时间;最后进行优化操作,减少冗余的任务复制。模拟实验结果表明,该算法在收敛速度和调度完成时间均优于普通遗传算法。     

Bandwidth‐aware divisible task scheduling for cloud computing

Task scheduling is a fundamental issue in achieving high efficiency in cloud computing. However, it is a big challenge for efficient scheduling algorithm design and implementation (as general scheduling problem is NP‐complete). Most existing task‐scheduling methods of cloud computing only consider task resource requirements for CPU and memory, without considering bandwidth requirements. In order to obtain better performance, in this paper, we propose a bandwidth‐aware algorithm for divisible task scheduling in cloud‐computing environments. A nonlinear programming model for the divisible task‐scheduling problem under the bounded multi‐port model is presented. By solving this model, the optimized allocation scheme that determines proper number of tasks assigned to each virtual resource node is obtained. On the basis of the optimized allocation scheme, a heuristic algorithm for divisible load scheduling, called bandwidth‐aware task‐scheduling (BATS) algorithm, is proposed. The performance of algorithm is evaluated using CloudSim toolkit. Experimental result shows that, compared with the fair‐based task‐scheduling algorithm, the bandwidth‐only task‐scheduling algorithm, and the computation‐only task‐scheduling algorithm, the proposed algorithm (BATS) has better performance. Copyright © 2012 John Wiley & Sons, Ltd.     

数字化部队装备维修保障任务分配与调度框架研究

针对数字化部队装备维修保障需求,提出装备维修保障任务分配与调度问题,并分析问题特点与研究定位。基于霍尔三维结构,从要素维、逻辑维和知识维三个方面构建装备维修保障任务分配与调度的体系结构,并且在此基础上对装备维修保障任务分配与调度的组成要素、实施程序和技术方法进行系统分析。最后,对研究要点进行初步分析。     

异构系统中基于可用性的粒子群任务调度算法

任务调度技术是并行分布式系统中的关键技术之一,对系统的性能起着重要作用,但通常情况下大型系统的任务调度问题属于NP问题。而现代启发式生物进化算法是找出很多NP问题近似解的有效方法。本文将粒子群算法应用于基于可用性的网格系统调度中,提出了一种调度算法,对算法的性能进行了理论分析和模拟实验。结果表明:和最近文献中的基于可用性的调度算法SSAC相比,所提出的新算法在保证系统资源具有同样的可用性条件下,能够产生更好的调度长度。     

树型网格计算环境下的独立任务调度

任务调度是实现高性能网格计算的一个基本问题,然而,设计和实现高效的调度算法是非常具有挑战性的.讨论了在网格资源计算能力和网络通信速度异构的树型计算网格环境下,独立任务的调度问题.与实现最小化任务总的执行时间不同(该问题已被证明是NP难题),为该任务调度问题建立了整数线性规划模型,并从该线性规划模型中得到最优任务分配方案??各计算节点最优任务分配数.然后,基于最优任务分配方案,构造了两种动态的需求驱动的任务分配启发式算法:OPCHATA(optimization-based priority-computation heuristic algorithm for task allocation)和OPBHATA(optimization-basedpriority-bandwidth heuristic algorithm for task allocation).实验结果表明:在异构的树型计算网格环境下实现大量独立任务调度时,该算法的性能明显优于其他算法.     

基于组合禁忌搜索的并行测试任务调度研究

任务调度是研究并行测试技术的核心问题。建立了该问题的数学模型,提出了一种基于组合禁忌搜索的并行测试任务调度方法,通过任务分组的规则构造较好的初始调度序列,利用禁忌搜索迭代寻找最好的调度序列,快速完成基于测试时间最短的任务调度规划。对实例进行了仿真实验,与基本禁忌搜索算法进行比较,仿真结果验证了该组合禁忌搜索算法的高效性和有效性。