基于通信开销的多类型DAG任务调度方法

随着异构多核处理器的性能不断增强,具有关联关系任务的调度问题和调度算法成为研究者们关注的焦点。针对异构多核平台上的有向无环图（Directed Acyclic Graph, DAG）任务模型进行了调度分析。由于异构环境中计算资源类型丰富数量多,实际调度过程中处在不同核上的任务之间的通信开销是存在的。而当前大多数调度算法要么忽略不同核上的任务之间的通信开销,要么优先级判定和选择处理器核执行时不能全面考虑核间任务的通信开销,造成资源浪费,增加了系统调度任务的整体长度。因此,针对具有通信开销的DAG任务模型,讨论了任务间的通信开销对任务调度算法的影响,提出了复合节点生成算法（Composite Node Generation Algorithm, CNGA）任务调度算法。该算法根据任务间通信开销大小进行预处理分配生成复合节点,重构DAG图将任务节点的上行秩和通信占比作为参数决定任务节点的优先级。实验结果与HEFT和CPOP算法比较,在任务通信开销和任务执行开销之比（Communication to Computation Ratio, CCR）一定的情况下响应时间比原有的HEFT和CPOP提...     

细菌觅食优化算法在嵌入式系统多任务调度中的应用

为了提高多核处理器任务调度的效率和负载均衡,提出一种改进细菌觅食优化算法的多核处理器任务调度方法.首先随机产生多核处理器任务有向无环图,然后构建一种多约束条件下的数学模型,最后采用改进细菌觅食优化算法对模型进行求解.仿真结果表明,改进细菌觅食优化算法很好避免了其它群智算法存在的缺陷,可以较好获得全局最优调度方案,使执行任务的时间最短,很好地实现了多核处理器任务进行的分配和调度.     

众核任务映射算法研究现状与发展趋势

在众核系统中,并行任务在执行前需要被映射到处理器,这一过程被称为任务映射,任务映射算法对芯片性能影响巨大,所以近年来众核任务映射算法成为研究热点。针对不同的系统架构(如二维和三维众核系统)和优化目标(如通信开销、功耗、温度等)对现有任务映射算法进行综述,并展望了任务映射算法的未来发展趋势。     

众核构造高性能密码算法协处理器

通过分析Feistel结构和SP网络结构的分组密码算法的特点与实现结构,说明了分组算法适合可重构实现的机理,提出了以众核方式构造高性能密码算法协处理器的架构思想,在适当降低单核处理性能的情况下,因为能最大化利用芯片的电路容量,实践证明这种架构相比起单核、多核架构重构方式实现分组算法具有较为明显的整体性能优势,最后,也指出了众核带来的编程复杂、资源分配困难等问题和众核架构的核数与整体性能的压线性关系等注意事项.     

基于成团效应的众核处理器失效核分布建模方法

随机产生失效核分布的方法不能反映众核处理器物理拓扑结构的真实状况,在评价相关拓扑重构算法的效能时有失客观性.本文针对这一现状,提出了一种基于缺陷成团效应的众核处理器失效核分布建模方法.实验表明,本方法得到的物理拓扑结构缺陷分布呈现出不同程度的成团特性,且成团效应会显著影响核级冗余技术的拓扑重构效果.     

基于代价模型的多平台分析任务流调度优化

分析任务流的调度是人们关注的热点问题之一.在无法提前得知各子任务资源和时间开销以及算子间传输开销的情况下,现有研究缺少较好的调度方法,也无法很好地处理多平台环境下的任务调度.为此,本文提出了一种基于启发式规则优化的拓扑调度算法.该算法通过对同平台任务和后继任务优先选择的规则,对任务流调度顺序进行优化;其次,结合Spark平台下数据分析任务常见的SQL算子和机器学习算子的代价模型,有效对任务的开销做出估计.实验表明,调度优化算法能有效节约时间开销和内存开销,代价模型的估计也较为准确.     

电网调度自动化的任务服务模型和调度算法研究

电网调度自动化是确保电力系统安全、稳定、可靠运行的重要手段,调度中心任务的处理效率将会直接影响到整个系统的性能.本文针对电网调度中心的实时任务特点,提出了一种高可靠的分布式动态镜像服务模型,并在此模型基础上实现了一种基于预测的任务调度算法—动态模糊调度DFS(Dynamic Fuzzy Scheduling)算法,此算法的调度依据是经过模糊变换后的资源调度决策集.对系统的模拟测试结果表明其具有良好的响应特性、服务能力和可靠性,比基于RT-SADS算法进行调度的系统在性能上有较大的改善.     

基于动态效用的时空众包在线任务分配

为提升众包任务在线分配的总体效用,该文提出一种适用于时空众包环境的在线任务分配方法。该方法针对时空众包环境下的在线任务分配问题,首先提出一种以众包任务为中心的K最近邻算法来进行候选众包工人的选择,进而设计一种基于动态效用的阈值选择算法,实现众包工人与任务的最优分配。实验结果显示,文中所提出算法具有较好的有效性和可行性,并能在一定程度上保证众包工人的可靠性,优化平台总效益。     

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．     

云环境下任务调度算法对比研究

云计算是完全基于互联网的新兴技术。云计算环境中的任务调度问题一直都是该领域的研究热点。合理高效的任务调度算法在云环境中能有效的缩短任务完成时间,提高系统负载均衡,更好的满足用户与云提供商的需求。本文研究了云平台的任务调度机制,探究了任务调度过程中的关键性指标。通过云仿真平台CloudSim实现并分析了顺序调度算法、Min-Min算法和Max-Min算法,对比其在随机生成用户任务负载与虚拟机计算资源的情况下的任务完成时间,实验证明Min-Min算法与Max-Min算法均优于顺序调度算法。以此为未来研究提供实验支撑和方向。