基于网络存储的等待队列调度模型的设计

存储虚拟化可以使用户更方便地管理存储系统。本文分析和比较了在存储区域网络体系结构中存储虚拟化的多种实现方式，并设计了一种基于网络存储的等待队列调度模型，可以更高效地执行调度，提高存储虚拟化管理的性能和效率。     

云平台中多宿主等待队列动态预测调度算法

由于云平台中多宿主数据流在调度过程中容易发生阻塞和负载失衡,为此,提出一种等待队列动态预测调度算法.首先对请求包流入队的情况进行预测,搜索出请求包流存在的可用等待队列,并得到每个等待队列中的最大请求包数量预测边界,比较确定当前时刻入队的请求包流.然后通过负载情况确定当前等待队列的忙闲,再根据马氏迁移概率预测出最佳迁移队...     

基于Hadoop的三队列作业调度算法

Hadoop集群单队列作业调度会产生短作业等待、资源利用率低的问题;采用多队列调度可兼顾公平、提高执行效率,但会带来手工配置参数、资源互占、算法复杂等问题。针对上述问题,提出三队列作业调度算法,利用区分作业类型、动态调整作业优先级、配置共享资源池、作业抢占等设计,达到平衡作业需求、简化一般作业调度流程、提升并行执行能力的目的。对短作业占比高,各作业占比均衡以及一般作业为主,偶尔出现长、短作业三种情况与先进先出(FIFO)算法进行了对比实验,结果三队列算法的运行时间均比FIFO算法要少。实验结果表明,在短作业聚集时,三队列算法的执行效率提升并不显著;但当各种作业并存且分布均衡时,效果很明显,这符合了算法设计时短作业优先、一般作业简化流程、兼顾长作业的初衷,提高了作业整体执行效率。     

一种队列管理和队列调度结合的算法

队列的管理和调度是网络处理中非常重要的一个环节.针对传统的队列算法分离队列管理和队列调度的缺点,提出了一种两种机制结合的算法.该算法以排队延时和系统吞吐量综合性能折中最优为目标,使用最优化决策的方法,根据数据源端的发送速率和网络节点中的缓冲队列长度调整带宽资源的分配.在仿真平台NS2下对算法进行了大量的仿真实验,最终的实验结果表明:按照网络性能公式(Power公式)的标准,该算法比传统的算法在性能上提高了近20%.因此该队列算法更能够提升网络处理的性能.     

基于多级队列算法的ITS资源调度策略

资源调度是公交智能交通系统(ITS)建设中亟待解决的一类重要问题。文章抽象了公交资源调度问题的一般特征和要求，以多级队列算法为基础并将其加以改进，给出了一种适用于ITS的资源调度策略，并成功地应用于北京市公交抢修调度系统中。还对该策略应用中的具体的资源子集划分、多级队列建立、优先级动态调整机制及自动分配等关键技术进行了阐述。     

PRED:一种配合队列调度的RED算法

论文讨论了队列管理和队列调度的关系,提出了一种新的基于势的RED机制:PRED,以增强SPFQ调度机制的公平性,来达到整个报文处理系统的性能改善。通过严格的仿真验证,同其他的队列管理机制相比,PRED同SPFQ的结合能够最大限度地利用系统资源,提高服务的公平性。     

一种新的加权公平队列调度算法

传统公平队列调度算法(WFQ、WRR等)普遍存在基于数据包的权重参数计算问题,由此产生的高复杂度使其难以获得广泛应用。该文提出一种新的加权公平队列调度算法,使用服务概率和随机数实现加权公平调度,显著降低了算法的复杂度。同时使用自适应服务概率计算解决了数据包变长度带来的不公平性。通过队列管理技术有效地提高了交换机的缓冲区利用率,并减小了排队延迟抖动。仿真结果证明了算法的有效性和实用性。     

ASPFQ:一种简单公平的队列调度算法

文章针对SPFQ算法公平性的不足,提出了一种能够根据流的状态变化情况自适应调整公平性的算法ASPFQ,并进行了分析和仿真。这种算法不仅提高了SPFQ的公平性,同时具备了实现简单的特点。     

多机并行作业车间调度的混合粒子群算法

本文通过对多目标多机作业车间调度的研究提出了一个改进的结合启发式规则的粒子群算法,采用了依机器和工件排序的编码规则,两段式的表达形式,带启发式规则的调整,并结合聚类分析思想的保留策略,对此类问题提出了一个新的解决方法,并在文中通过一个仿真案例进行求解。     

公网数字集群系统的动态并发请求调度处理队列算法

针对公网数字集群系统高并发时吞吐量低、响应时间长、失败率高等问题，提出一种公网数字集群系统的动态并发请求调度处理队列（DCRSPQ）算法。首先建立请求失败率和平均响应时间的优化目标，利用请求的各类优先级系数得到每个请求的加权平均优先级；然后，采用K-means聚类算法，根据每个请求的加权平均优先级确定所属的优先级队列，将请求分类到不同优先级的队列中；最后，利用自适应资源反馈调整机制，将系统资源动态分配给各优先级队列处理器，同时动态改变各优先级队列的长度，实现各类请求的高效快速处理。仿真结果表明，与分层级赤字加权轮询队列调度（HDWRR）和基于队列长度的动态加权公平队列调度（DQLWFQ）等算法相比，DCRSPQ算法的平均响应时间能缩短23.8%以上，吞吐量可提高3.5%以上，请求成功率可提升0.4个百分点。DCRSPQ算法具有更低的平均响应时间、更高的吞吐量以及更好的请求成功率，在公网数字集群系统并发情形下能有效提升系统的处理效率。     

基于遗传算法的Job Shop调度研究进展

Job Shop是典型的调度问题 ,遗传算法一直是计算智能的主要研究对象 ,因此基于遗传算法的Job Shop研究在学术界和工程界受到极大的关注。对近年来这方面的研究情况进行了较全面的综述 ,其中涉及编码、算法改进和比较、特征分析、混合算法、拓宽性、实际应用和调度器开发等 ,并讨论了进一步研究的若干方向     

基于Q学习算法的作业车间动态调度

近年来,在基于Q学习算法的作业车间动态调度系统中,状态-行动和奖励值靠人为主观设定,导致学习效果不理想,与已知最优解相比,结果偏差较大.为此,基于作业车间调度问题的特质,对Q学习算法的要素进行重新设计,并用标准算例库进行仿真测试.将结果先与已知最优解和混合灰狼优化算法、离散布谷鸟算法和量子鲸鱼群算法在近似程度、最小值方面进行比较分析.实验结果表明,与国内求解作业车间调度问题的Q学习算法相比,该方法在最优解的近似程度上显著提升,与群智能算法相比,在大多数算例中,寻优能力方面有显著提升.     

一种基于混合遗传算法的车间调度算法

为了克服单独的遗传算法用于车间作业调度缺点,提出一种遗传算法与启发式算法结合的混合遗传算法,在运用该算法的过程中给出了适合的遗传操作和启发式规则的应用方法。结果表明：混合遗传算法优于两种单独的算法。     

一种面向作业的快速调度算法

面向作业的调度(job oriented scheduling,简称JOS)在实际作业车间(job shop)调度中得到普遍的应用,它的基本思想是将作业一个个地安排到工作机器上.该文提出了一种基于计算机JOS系统的快速调度算法,该算法指定作业操作的可行调度起始和结束时间以正排工序或逆排工序方式将它们安排到有限能力的工作机器上.通过记录和修改每一机器有效时间槽的办法来减少操作在每一机器上搜索可行时间槽的时间,从而大大提高了计算效率.实际系统应用表明,此算法对于大规模调度具有很强的优越性.     

一种基于禁忌搜索技术的作业车间调度算法

描述了一种解决作业车间调度最短完工时间问题的有效的启发式算法．该算法基于禁忌搜索技术．算法中利用了新的禁忌搜索方法．从对一组问题基准实例的实验计算结果看，该算法在合理的计算时间内，对多个实例得到比当前没有用转换瓶颈技术的禁忌搜索中最好的算法之一的TSAB算法更好的结果．     

作业车间调度问题的一种启发式算法

论文描述了解决作业车间调度最短完工时间问题的一种快速有效的启发式算法。该算法基于一种优先指派规则,并利用了往前看的思想。从对一组问题标准实例的实验计算结果看,该算法在很短的计算时间内,对多个实例得到最优解或近优解。     

基于多Agent协商的柔性车间调度系统

针对柔性作业车间调度的特点,提出了一种基于多agent协商的柔性作业车间调度系统。系统由工件agent,机器agent和工序agent组成。Agent之间通过相互发送消息和响应消息进行交互,并且通过消息相应函数按照各agent局部的信息、同时兼顾系统的性能进行决策。工件agent通过招标的方式,选择合适的机器完成加工任务,机器agent通过竞争来获得工件的加工权。最后用Java语言在Eclipse平台上进行程序设计,对柔性作业车间调度的平均滞后问题进行仿真实验,并与传统的分派规则比较,结果显示所提方法的优越性。     

基于自适应遗传算法的流水车间作业调度

流水车间调度问题是NP完全问题。提出一种新的自适应遗传算法,采用初始种群复合化、适应度相同个体的筛选策略、改进自适应交叉变异概率等方法提高算法性能。通过仿真比较,从最优解出现的代数、最优解的相对误差以及随机若干次试验对算法的影响3个方面证明该算法的优越性。     

一种基于禁忌搜索的作业车间调度算法

文章描述了一种解决作业车间调度最短完工时间问题的有效的启发式算法。该算法基于禁忌搜索技术和前瞻思想,为了得到更好的结果,还将倒转技术引入到算法中。从对一组问题基准实例的实验计算结果看,该算法在合理的计算时间内,对多个实例得到比2004年提出的ISSB算法和另一种基于禁忌搜索的TSAB算法更好的结果。     

基于优先级表的实时调度算法及其实现

讨论了综合考虑任务的截止期和价值两个特征参数的优先级表设计方法,提出了EDV(earliest deadline value)与VED(value earliest deadline)两种不同的基于优先级表的实时任务调度算法,并且利用多重链表给出了这两种算法的实现,包括任务接收策略与任务完成/夭折策略的算法实现.这种优先级表设计方法及其基于多重链表的实现方法也适用于对任务的其他两种甚至3种不同特征参数之间的综合.基于累积实现价值率、加权截止期保证率与差分截止期保证率3个方面,分析了VED算法与EDV算法的性能,实验结果表明,在所有负载条件下VED算法与EDV算法相对于EDF(earliest deadline first)算法与HVF(highest value first)算法都有很大的性能改进.