基于QoS的网格工作流的选择调度算法

开放网格服务架构（OGSA）和计算经济模型的提出,使得动态的、不同QoS的服务支持下的资源调度成为一个复杂且具有挑战性的问题。文中提出了基于QoS的网格工作流的选择调度算法,该算法采用动态资源选择策略适应网格计算环境下的动态性和自治性。在满足用户对服务质量要求的基础上,平衡了工作流中服务实例的花费、处理时间和可用性之间的关系。试验证明该调度算法符合计算网格的复杂环境,能够更好地满足不同用户的实际需要。     

粒子群优化算法在网格工作流调度中的应用

为了提高网格工作流管理系统的性能,将粒子群优化算法（PSO）引入到网格工作流的调度策略中．分析算法的基本原理,根据网格工作流调度的问题对其进行变形,提出基于粒子群优化算法的网格工作流调度策略,并与基于Dijkstra的网格工作流调度算法进行对比实验．实验数据表明,粒子群优化算法在网格工作流调度中的性能较好．     

考虑运输代价的制造工作流调度算法

在云制造环境下,因制造服务资源所在地域的差异性,多目标制造工作流调度不仅考虑制造服务所需时间、费用,还需考虑产品运输所需时间、费用,原有工作流调度算法无法有效优化运输代价.针对此问题,结合遗传算法全局搜索能力强与粒子群算法收敛速度快的特点,提出多目标混合遗传粒子群(MOGA - PSO)算法.仿真结果表明混合算法能够有效降低运输代价,使得工作流调度得到进一步优化,可适用于云制造环境.     

基于信任驱动的网格QoS匹配算法研究

由于工作流任务之间存在时序和数据依赖等关系,使得网格环境中工作流的调度问题成为一个NP完全问题,针对现有网格任务调度算法存在的问题,本文提出了基于信任驱动的QoS匹配算法(TD_QMO,Trust-Driven QoS Matching Offset),模拟结果显示该算法的有效性。     

基于平衡定价和成本梯度的科学工作流调度策略

 科学工作流调度在自治网格和竞争市场环境下变得极具挑战性.为了兼顾科学用户和服务提供者的需要,提出效用网格环境下市场驱动的科学工作流调度框架:使用平衡定价机制推导出多个资源约束情况下的服务价格,最大化服务提供者的利润和实现资源的最优分配;成本优化映射策略引入成本梯度因子作为服务选择的标准,提高调度算法的优化能力和优化速度.性能模拟表明该框架不仅实现了较高的资源节点收益和资源利用率,还可在保证用户QoS要求的前提下优化不同类型科学工作流的执行成本.     

移动边缘计算环境下基于移动感知的工作流调度算法

移动边缘计算环境下,用户可将本地的计算密集型任务卸载至边缘服务器,从而缩短工作流的完工时间并节省设备能耗。然而,许多研究忽略了用户移动导致的网络连接变化对工作流调度的影响。针对现有算法中存在的卸载不合理问题,文中提出了基于移动感知的工作流调度算法MaWS。该算法通过预测用户移动轨迹得出未来可通信的基站集合,并融入遗传算法,制定合理的任务执行顺序和执行位置。仿真结果表明,相比HEFT和Greedy等算法,MaWS算法能够有效缩短10%～15%的工作流完工时间并降低8%～13%的设备能耗,为移动边缘计算下的工作流调度提出一种有效方案。     

基于遗传算法的网格任务调度研究

网格调度是一个典型的NP问题,研究表明遗传算法是解决复杂环境下资源调度的有效方法之一。针对异构环境下的网格任务调度,提出了一种改进的遗传算法,并改进了遗传算法的收敛特性,通过分析实验结果证明该算法优于传统的调度算法。     

基于本体的网格服务动态组合算法研究

网格服务组合能够实现服务的增值功能。在研究了基于工作流和基于AI规划的网格服务组合的基础上,提出了基于本体的网格服务动态组合算法。描述了动态服务组合框架,对服务组合模型进行了分析。结合服务选择中基于关键字和语义的方法,给出了基于关键字的语义选择算法。根据服务之间的关系,提出了基于最短路径的网格服务组合算法。实验结果表明,该算法是可行和有效的,有较高的执行效率。     

基于负载均衡思想的遗传算法在网格资源调度中的应用

网格资源调度本身是一个NP完全问题,世界各国专家相继提出了一系列网格资源调度算法.但是实际网格节点的性能可能有差异,如果在各节点性能差异比较大、而任务本身计算量差异也比较大的情况下,网格中各节点负载可能出现不平衡,这样就会影响整个网格总体性能.因此,本文提出了在网格资源调度时使用遗传算法,并且同时考虑负载均衡问题.     

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.     

An Ant Colony Optimization Approach to a Grid Workflow Scheduling Problem With Various QoS Requirements

Grid computing is increasingly considered as a promising next-generation computational platform that supports wide-area parallel and distributed computing. In grid environments, applications are always regarded as workflows. The problem of scheduling workflows in terms of certain quality of service (QoS) requirements is challenging and it significantly influences the performance of grids. By now, there have been some algorithms for grid workflow scheduling, but most of them can only tackle the problems with a single QoS parameter or with small-scale workflows. In this frame, this paper aims at proposing an ant colony optimization (ACO) algorithm to schedule large-scale workflows with various QoS parameters. This algorithm enables users to specify their QoS preferences as well as define the minimum QoS thresholds for a certain application. The objective of this algorithm is to find a solution that meets all QoS constraints and optimizes the user-preferred QoS parameter. Based on the characteristics of workflow scheduling, we design seven new heuristics for the ACO approach and propose an adaptive scheme that allows artificial ants to select heuristics based on pheromone values. Experiments are done in ten workflow applications with at most 120 tasks, and the results demonstrate the effectiveness of the proposed algorithm.     

A hybrid petri-net model of grid workflow

In order to effectively control the random tasks submitted and executed in grid workflow, a grid workflow model based on hybrid petri-net is presented. This model is composed of random petri-net, colored petri-net and general petri-net. Therein random petri-net declares the relationship between the number of grid users＇ random tasks and the size of service window and computes the server intensity of grid system. Colored petri-net sets different color for places with grid services and provides the valid interfaces for grid resource allocation and task scheduling. The experiment indicated that the model presented in this letter could compute the valve between the number of users＇ random tasks and the size of grid service window in grid workflow management system.     

网格调度的算法研究及改进

优化网格资源调度算法可以提高网格系统执行效率,给任务安排合理的执行顺序和合适的处理器是优化网格资源调度算法需突破的关键技术.文中研究并实现了（Heterogeneous-Earliest-Finish） HEFT[1]算法和新的（Hierarchical Reliability-Driven Scheduling）HRDS算法.采用DAG[2]任务图生成函数,通过对已有HEFT算法进行研究,采用SimGrid为在分布计算环境下进行分布并行应用调度研究提供一个仿真环境,对HRDS算法进行了改进和验证.验证过程中在HRDS算法中加入了可靠性开销作为调度依据,并把算法分为两层调度,本地可靠性驱动调度和全局可靠性驱动调度.两算法的调度结果在SimGrid网格模拟器中仿真调度,仿真成功并且调度结果在可靠性和性能方面HRDS都比HEFT算法要好.     

改进的Min-Min网格任务调度算法

在网格环境中,如何对任务进行高效调度是当前研究的热点问题。目前Min—Min调度算法是一个简单、快速、有效的算法。但它很难满足网格任务对服务质量的要求。在独立型的任务调度模型的基础上,提出了一种基于权值的改进Min—Min调度算法。改进后的算法通过量化网格任务的优先级和等待时间,解决了原有算法存在的高质量任务和大任务等待时间过长的问题。仿真实验结果表明,改进后的算法满足了网格任务对优先级和等待时间的服务质量要求．是一种网格环境下有效的任务调度算法。     

信任增强的服务组合调度算法

 通过把信任度作为组合服务实现调度和绑定的依据,可以使得组合服务的执行和调度更好地围绕服务的信任度展开,有利于信任度高的成员服务加入到服务组合的过程中来,进而提高组合服务的可信性.把信任引入到服务组合中,研究了信任增强的服务组合的调度问题,建立了调度问题的数学模型,设计了基于蚁群系统的调度算法.通过实验结果分析,表明设计的信任增强的服务组合调度算法具有较好的寻优性能.     

Integrated Scheduling of Grid Applications in WDM Optical Light-Trail Networks

A novel task graph model, flexible task model (FTM), is proposed for modeling the grid computing tasks and the relationships among the tasks. In this model, a task may generate output before the task completes whereas previous work assumes that no output is available until the task is completed. In addition, a task in FTM can start to execute when it has collected a minimum amount of required input from its predecessors. FTM is more general and flexible than the conventional task graph model considered in previous work. Based on FTM, we investigate the problem of scheduling grid applications that integrates the resource allocation for task execution and service provisioning for subwavelength data communication between the tasks. Data communication between grid tasks under the FTM model is better supported using light-trails in wavelength division multiplexing (WDM) networks, than lightpaths. The objective is to minimize the total amount of time for task completion or makespan. Simulation results show that our proposed scheduling algorithm under FTM significantly reduces the total task completion time compared with that under the conventional task graph model. Moreover, the communication service provisioning using light-trails is very resource efficient.