基于蚂蚁算法的网格作业调度研究

网格环境下的作业调度是一个NP难问题,蚂蚁算法内在的并行性和可扩充性使其非常适合网格作业调度。将蚂蚁算法应用于网格环境作业调度,提出一种通过作业代理的移动进行网格作业调度的方案,该蚂蚁算法不仅在分配网格计算资源时进行信息素的局部更新,还在网格计算资源完成作业后进行信息素的整体更新。通过模拟实验测试和选取蚂蚁算法的各种影响参数,取得了比较理想的实验结果。实验证明该算法能够有效地实现作业的合理调度和网格系统的负载平衡。     

校园计算网格作业自适应调度的研究和实现

由于网格资源具有分布、异构、动态、自治等特性。使得网格作业调度成为网格计算中具有挑战性的任务之一。针对校园高性能计算资源负载不均衡、管理模式不统一的问题，提出了校园计算网格自适应调度系统的解决方案。详细研究了网格作业的白适应调度技术，设计了含有负载均衡能力的资源动态信息收集模型，并给出自适应调度算法。实现了校园范围内高性能计算资源的负载均衡和统一的资源管理。     

蚁群优化算法在电镀试验台作业调度的应用

针对电镀试验台作业调度问题的特点,提出了一种混合优化的蚁群算法,即在蚂蚁寻优中,引入杂交和变异机制,有效地解决了电镀试验台作业调度问题.实验结果表明,与一般的蚁群算法相比,该算法性能更优.     

基于高性能计算平台的图像分割技术

该研究建立基于高性能计算平台的PSO粒子群图像分割算法模型,充分发挥了硬件优势,极大地提高了图像处理中关键一步图像分割的效率。PSO算法是一种随机寻优算法,在各个粒子相互作用的同时寻找最佳的阈值,缩短图像分割的时间。因此,该研究提出的基于高性能计算平台的PSO粒子群图像分割算法具有一定的准确性和稳定性,并且有较好的时间复杂度表现。     

基于作业调度的Mafia分布式计算系统

提出了一种基于作业调度的Mafia分布式计算系统,该系统由中央控制主机、运算单元以及客户终端组成。用户在客户终端上提交作业,中央主机负责调度分配,运算单元启动Mafia进行计算。这套系统为仅能单机运行的Mafia提供了并行、分布式运行的能力,极大地提高了集群计算系统的效率。     

HPMR：多核集群上的高性能计算支撑平台

HPMR是建立在多核集群上的高性能计算支撑平台,它继承并改进了MapRedcue并行编程模式,使其适合高性能计算需求.HPMR让并行程序的编写和运行变得非常简单,同时又保持很高的性能.HPMR的实用功能不但使并行程序变得易于扩展和移植,而且增强了并行程序的健壮性.     

信任驱动的网格作业调度算法

针对目前网格资源管理中信任机制与作业调度机制分离的缺陷,基于网格信任模型与信任效益函数,提出了信任驱动的网格作业调度问题。对传统批作业调度算法进行信任扩展,提出了两种信任驱动的网格作业调度启发式。对信任驱动网格作业调度算法进行大规模仿真实验,有力地证明了信任驱动算法优于传统时间驱动算法,在平均信任效益和总信任效益等方面具有较好的综合性能。     

高性能计算资源管理平台设计

地震资料处理是典型的高性能计算,随着采集数据量越来越大,对计算机资源的快速调度和配置提出了要求。为达到高效管理的目的,需要从技术选择、生产实际情况、业务特点等方面综合考虑,建立智能化的资源管理调度平台,使资源的提供与回收等管理具备云计算特征。     

基于高性能计算仿真平台的天安门LED屏设计仿真

基于北京市计算中心高性能计算仿真平台,采用Fluent、Ansys等CAE软件评测了LED的抗风载性能、散热性能。根据Google卫星照片建立天安门广场简化模型,采用流体分析Fluent计算出天安门广场的风速场场强分布,而后用流固耦合分析的方法,结合Fluent、Ansys结构分析软件分析了天安门LED屏的抗风载性能。最后对LED屏的散热性能进行模拟,得出了利亚德、勤上LED屏内部的温度场分布情况,并提出了LED屏的散热参考设计方案。     

基于粒子群算法的车间作业调度问题

通过对车间调度问题的描述,针对传统算法寻优效率低的弱点,提出了一种基于粒子群算法的车间作业调度问题的解决方案.对粒子群算法的基本原理进行了阐述,并对粒子群算法的编码、参数的选择以及解码进行了研究,以最小化最大流程时间作为评价算法的性能指标,将其用于编程求解典型调度问题.仿真结果表明,粒子群算法在求解车间作业调度的应用上是十分有效的.     

基于数据挖掘的混合云作业调度算法

针对当前云作业调度算法效率低的不足,为了获得理想的云作业调度结果,以便给用户提供更好的服务质量,提出基于数据挖掘的混合云作业调度算法。对混合云作业调度的原理进行分析,指出当前云作业调度算法性能差的原因,建立云作业调度的目标函数,并采用数据挖掘技术找到最理想的混合云作业调度方案。在Cloud Sim环境下,通过具体混合云作业调度实验对算法的性能进行验证。结果表明,该算法不仅大幅度提高了混合云作业调度的成功率,而且加快了混合云作业完成的时间,具有较好的实际应用价值。     

Crossbar交换结构高性能调度算法研究

文章对高速路由器交换技术中普遍采用的Crossbar交换结构的各种主要调度算法进行了分类阐述和对比分析，讨论了调度算法的基本问题，主要分析了最大匹配类算法和权重匹配类算法两种目前的主流调度算法，最后对高性能调度算法研究的最新进展进行了介绍。     

改进捕鱼算法求解柔性作业车间调度问题

传统基于精确算法求解柔性作业车间调度问题时,仅能对小量柔性作业车间调度问题实施求解,具有一定的局限性。针对该问题,采用改进捕鱼算法求解柔性作业车间调度问题,在分析经典捕鱼算法存在弊端的基础上,提出改进捕鱼算法,融入渔夫的自身感知性能以及捕鱼经验,分析鱼浓度高的区域,并不断趋向该区域区间,通过概率分布原理对渔夫撒网方案实施优化。分析求解柔性作业车间调度问题的描述以及性能指标,将性能指标作为改进捕鱼算法的输入,通过运算获取最佳的调度结果。实验结果说明,所提算法具有较高的调度效率和精度,并且确保作业车间能耗的最小化。     

基于遗传算法的柔性车间作业调度

目前柔性车间作业调度问题已成为研究热点,本文采用遗传算法求解该问题。针对柔性车间作业调度问题的特点设计了染色体编码方法,即将基于工序的编码和基于机器的编码方式结合。同时在遗传操作方面设计了相应的交叉和变异算子。这些改进方法可以保证遗传操作每一步产生的染色体在工艺约束和选择机器方面都是合法的,避免了传统柔性车间作业调度中繁琐的染色体合法化修复工作。为了得到活动调度,在进行适应度计算时对染色体中的基因序列进行调整。仿真结果表明设计的遗传算法求解柔性车间作业调度是有效的。     

Hadoop集群作业调度算法优化技术研究

针对当前云计算技术的广泛使用,提出对Hadoop集群作业调度算法进行研究的构想。在对Hadoop新版本中提出的Hadoop Map Reduce V2(Yarn)框架进行深入研究的基础上,设计一个详细完整的对比实验,针对各种作业调度算法的优势与不足进行全面的测试。通过使用不同的作业调度算法运行相同的作业,进行细致横向的对比,并得到各种作业调度算法之间以及计算框架之间在计算能力、运行时间、资源占用等方面的优劣。实验结果表明,公平调度算法和计算能力调度算法相较于传统的FIFO算法具有更灵活、更高效的特点。     

基于仿真方法的流通加工作业调度研究

流通加工作业计划的编制,直接关系到流通加工作业的效率和经济效益.在作业计划中,最重要的是作业调度.采用仿真方法,对流通加工作业调度进行仿真模拟,设计出一套组合分级优先准则,较好地解决了作业调度问题.     

高性能计算仿真云平台的构建策略分析

云仿真平台是一种新型的网络化建模和仿真平台,云仿真平台动态管理资源,系统进行网络化建模仿真系统的运行。本文从系统架构以及关键技术等角度,分析高性能计算仿真云平台的构建策略。     

基于CloudSim的作业调度算法评价模型设计与实现

针对云计算作业调度算法评价问题,引入经济学中的消费者均衡理论和帕累托最优理论,在Cloud Sim仿真框架中,构建一个云计算作业调度评价模型,为选择最优的作业调度算法提供决策支持。同时,针对Cloud Sim在用户交互上的不足,进行可视化扩展,使研究者能够直观地观测仿真结果。最后,在Cloud Sim上进行仿真实验,仿真结果表明,对于模拟的云计算服务,Cloud Sim自身提供的作业调度算法不是最优算法。     

基于状态图的车间作业遗传调度

针对车间作业调度问题,利用有向图模型对系统中工件和资源之间的交互关系建模,并应用遗传算法进行最优调度的求解。遗传算法采用多维矩阵的编码方式,解码后生成加工流程有向图,根据有向变迁图的更新最终获取每个染色体的适应度。每一代种群在遗传算子的作用下,按照适者生存和优胜劣汰的原理,逐代演化得到越来越好的近似解。