一种基于QoS的多任务实时集群系统负载均衡算法

负载均衡算法是多任务实时集群系统的一个关键技术。在分析了常见的轮转式均衡调度算法和任务最少优先法的优缺点基础上,针对实时集群系统处理多类任务的特点,引入了加权负载率的概念来更准确地描述各分布式集群节点的负载状况。提出了通过任务QoS映射为负载权值的思想,并给出了一种改进的任务最少优先算法——加权负载率最小法,描述了以加权负载率表为核心的多任务均衡调度算法。最后,通过仿真验证了该算法明显优于前两种算法。     

多卫星成像任务规划的冲突消解

分析了多卫星成像任务规划中多卫星之间的任务冲突,印多卫星成像任务冲突和多卫星下传任务冲突,研究了这两类冲突的消解方法;提出了基于拍摄概率的多卫星成像任务冲突消解算法和基于非互斥链的多卫星下传任务冲突消解算法.将多卫星成像任务规划问题转换成各卫星独立的成像调度问题,从而降低了问题的复杂度.实验表明,该方法解决了多卫星之间的冲突问题,使星地资源得到均衡有效的利用.     

基于时间窗的多无人机联盟任务分配方法研究

该文针对异构类型多目标多无人机任务分配问题,提出一种基于时间窗的多无人机联盟组任务分配方法。其核心是以空闲时间窗为调度依据进行高效且实时的任务分配。该算法首先利用冲突消解机制避免实时任务分配过程中的多机资源死锁;然后采用两阶段任务联盟组成算法形成任务联盟,实时处理突发任务,提高无人机任务分配的实时性和有效性。仿真结果表明,算法提高了无人机联盟的组成率和总体任务完成率,降低了任务执行时间,并维持了较低的计算开销。     

基于软件流水线的并行多源视频处理

针对多源、复杂视频处理存在的实时性低,资源占用率高的问题,提出了一种基于软件流水线并行处理多源视频的方法,具有降低视频处理应用的设计难度,优化计算资源使用,提高复杂算法多源视频处理的实时性的特点.首先基于多核CPU构建多任务管理系统,用于任务缓存及调度,并管理资源负载,在此基础上设计软件流水线.软件流水线的每一个stage将对于一帧视频图像的处理封装成任务的形式提交给多任务管理系统调度执行.最后,将软件流水线用于多源视频处理,并行处理6路视频,试验结果表明该方法能够有效提升多源、复杂视频处理的实时性,且在资源利用率,负载均衡等方面具有良好特性.     

基于统计学习的卫星接收资源预规划方法

针对卫星观测任务需求受理之前的数据接收资源预分配问题,设计了基于统计学习的卫星数据接收资源预规划方法,通过统计分析历史资源使用计划,自学习获取资源使用概率模型,基于资源使用概率模型进行接收资源预分配.实现了无任务情况下的顶层资源统筹预分配,解决了多星接收资源冲突消解与多星解耦问题,是底层单星分布式任务规划的基础,提升了...     

WDM 网络中基于优先级的多任务波长路由分配算法

提出了一种在WDM网络中基于优先级的多任务波长路由分配算法。算法设计旨在提高光网络资源的利用率、降低网络请求阻塞率。分析了任务请求的路由类型以及负载容量对请求优先级划分的影响方式,给出了网络请求优先级划分策略,结合网络的实时状态提出了一种基于优先级的多任务波长路由分配算法。仿真结果表明,该算法相比现有算法降低了网络请求阻塞率,提高了资源利用率。     

无人机载射频任务资源调度算法研究

资源调度技术是多功能系统实现多任务的核心关键技术之一。文中针对无人机载射频系统的多种任务类型，建立射频任务资源调度数学模型，给出评价指标，基于重要参数提出了三种资源调度算法。通过对三种资源调度算法进行仿真对比分析，总结各算法在不同场景下的适应性及其优缺点。结合实例说明基于复合函数的资源调度算法的有效性，为相关技术研究和工程实践提供参考。     

一种基于蚁群算法的多任务联盟串行生成算法

联盟生成是多Agent系统的一个关键问题,主要研究如何在多Agent系统中动态生成面向任务的最优Agent联盟.引入蚁群算法解决多任务联盟问题.提出了一种基于蚁群算法的多任务联盟串行生成算法,对于任务序列可依次生成全局最优联盟,避免了联盟死锁和资源浪费,同时算法基于蚁群系统的学习能力可以有效减少联盟生成的搜索时间和计算量,可实现性好.     

基于高效负载均衡的网络任务分配技术

针对传统的网格在分配任务的过程中,当多任务发生竞争的时候,由于多条路径的任务负载不均衡,造成传输速度慢的问题,提出一种基于遗传算法负载均衡的网格工作流算法.通过模拟自然界的生物进化过程对任务空间进行随机化搜索,根据预定任务的适应度函数,并用全局并行搜索方式找到最优节点,避免了传统方法的负载不均衡问题.实验证明,该算法实现了负载的快速均衡,提高了网格工作流系统的工作效率.     

自适应遗传算法的数据中继卫星光网络资源调度算法

以数据中继卫星光网络系统资源、任务和约束条件为参量,以任务对资源的选择为优化对象,提出了一种基于自适应遗传算法的数据中继卫星光网络资源调度算法.综合考虑多中继星、多时间窗口、多光学天线以及任务优先级要求,建立调度模型;采用当前任务调度时间的确定和后续任务可见时间窗口的更新的调度操作,对不同资源的任务集合进行调度安排并实现了可见时间窗口的动态更新,获得调度任务的总权值并将其作为参量计算适应度值,最后通过改进的自适应遗传算法对不同调度方案进行寻优.以3颗中继星、12颗用户星,6个光天线,60个任务为条件设置了仿真场景,仿真结果表明该算法在收敛速度、调度效率方面具有优势,适应于多任务、多天线的数据中继卫星光网络系统资源调度.     

启发式动态任务调度与航路规划方法

针对任务、资源、航路的调度与规划需要,建立了一种分层递阶的任务规划系统结构,上层主要解决任务优先级和冲突消解问题;下层主要解决满足各种要求的航路规划与实时重规划问题。提出了启发式动态任务调度与航路实时规划算法,可以有效提高对各种突发事件的态势自适应和冲突消解能力以及对时敏目标的打击能力,进而提高无人机在动态不确定环境下的自主性。     

基于改进匈牙利算法的云仿真资源调度

针对传统仿真系统平台的资源分配存在资源闲置、任务挤压和负载均衡等优化问题,利用云计算技术的优势研究并提出了模块化的云仿真平台框架,通过对云仿真资源调度策略研究,提出了一种改进的匈牙利算法．该算法克服了传统匈牙利算法只适用于一对一资源调度的不足,实现了多对一的仿真任务与云仿真资源分配方案,能尽量避免资源调度负载失衡．通过扩展云计算仿真平台CloudSim实现了模拟算法仿真．结果表明．该调度策略能有效的减小云环境下计算机的负载,提高了资源的利用率．     

云环境下基于迁移的虚拟机集群优化算法

针对云环境中虚拟机集群负载不均衡问题,提出一种基于虚拟机迁移的集群优化算法。通过对节点负载的实时监测,动态调整各种资源的权重,根据资源权重选择可最大程度降低主机负载的虚拟机进行迁移。该算法利用预测机制,消除主机资源利用率的临时越界引起的不必要的虚拟机迁移。在选择目标节点时,采用多目标决策法,兼顾多资源匹配率,服务级目标违背率(SLA)等多种管理目标。实验结果表明,与同类型的负载均衡算法相比,该算法能减少迁移次数,降低SLA违背率。     

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.     

基于3D碎裂度布局策略的可重构硬件任务调度算法

现有硬件任务调度算法任务描述不完善且忽视时间维上紧凑性。该文考虑任务下载时间、完善任务属性,以器件2维资源与时间建立3维资源模型,将任务布局问题抽象成特殊的3维空间放置问题,在此模型上分析出现有算法不能克服任务不可预知性和资源占用多变性,导致调度成功率和资源利用率低。针对此问题,该文提出了一种3维可重构任务调度算法3D_RTSA。设计并实现了基于任务紧迫度的调度策略和基于3D碎裂度的布局策略。与其他4种算法实验对比结果表明,在重负载、小任务C30情况下,3D_RTSA调度成功率比GC, Look-aheadest, SPSA, DTI算法分别高3%, 21%, 28%, 35%左右;在轻负载、大任务C50情况下,资源利用率比Look-aheadest, SPSA算法分别高5%, 18%左右,且该文算法时间复杂度并未增加。     

基于滚动周期粒子群算法的雷达组网协同分配方法

针对反导预警系统执行饱和弹道导弹目标攻击场景中的雷达实时任务分配问题,提出一种资源约束下基于动态自适应滚动周期混合粒子群算法的多任务协同分配方法。根据弹道导弹的目标特性,建立了任务综合优先级规划模型;为了实现分配效能最大化,考虑资源约束的基础上建立了雷达资源利用率、任务综合价值实现率、雷达切换次数、任务调度成功率为目标函数的雷达组网多任务资源分配模型,基于离散粒子群算法进行粒子迭代逻辑优化,满足算子自适应的选择、变异及交叉操作;为适应战场环境的动态复杂特性,建立了滚动周期调度模型和事件重调度模型,设计的协同调度策略很好地满足了实时性的要求。仿真结果表明,在饱和场景下使用基于动态自适应滚动周期混合粒子群算法能够有效解决实时雷达组网多任务协同分配问题。     

基于效用驱动的网格资源协同预留策略

针对资源预留过程中价格对市场竞争力的影响导致收益不确定性问题,提出一种可量化分析价格、资源竞争力以及收益三者关系的协同预留策略。该策略基于本地任务的真实相关统计特性,在有效保障网格任务QoS与本地任务QoS基础上,通过价格调整来平衡资源提供方的市场竞争力与收益之间的冲突。理论分析给出了预留策略的有效性证明和预留算法,仿真实验采用真实网格系统中任务负载信息作为实验负载,并在模拟网格系统中对预留策略的性能表现进行了检验。实验结果表明,该策略在均衡资源负载、平衡资源节点相对收益率以及保障任务QoS方面的性能表现显著优于传统的预留策略。     

云计算环境下资源评级的虚拟机部署算法

针对虚拟机(VM)大范围集群部署时容易引发数据中心(DC)总体负载不均衡、VM部署拒绝率居高不下等问题。提出一种基于资源评级的VM部署算法,根据构建VNF的VM之间的亲和关系、物理机之间的拓扑关系及链路的带宽,选择出最适合部署VNF的一台或多台物理机(PM)。仿真结果表明,在资源相同的情况下,该算法较已有算法具有更高的资源均衡度和更低的部署拒绝率。     

基于改进蚁群算法的自适应云资源调度模型研究

对于传统蚁群算法用于云计算资源分配和调度问题过程中存在的不足,提出了一种可以提高负载均衡度、缩短任务执行时间、降低任务执行成本的改进自适应蚁群算法,改进算法以能够基于用户提交的任务求解出执行时间较短、费用较低,负载率均衡的分配方案为目标,通过CloudSim平台对传统蚁群算法、最新的AC-SFL算法、改进自适应蚁群算法进行仿真实验对比。实验数据表明,改进后的自适应蚁群算法能够快速找出最优的云计算资源调度问题的解决方案,缩短了任务完成时间,降低了执行费用,保持了整个云系统中心的负载均衡。     

一种基于动态资源采集的Hadoop作业调度算法

为了克服Hadoop中基于槽的资源模型对集群资源的浪费,提高Hadoop集群的资源利用率,提出了一种基于动态资源采集的Hadoop作业调度算法.通过在作业运行过程中动态采集部分任务的CPU,内存和IO的资源利用率来评估同一作业中其他任务的资源需求,然后根据任务的实际资源需求以及TaskTracker节点的负载情况进行任务调度,以充分利用各TaskTracker节点的计算资源.通过对比实验表明该调度算法能明显提高集群的资源利用率,缩短作业的完成时间.