用于多媒体的最早截止时间优先算法改进

对经典实时调度算法之一的最早截止时间优先算法进行研究,提出一种基于动态死线时间的改进方法,避免了瞬时过载导致的系统不可预测的行为．实验表明,本方法保证了连续多媒体应用的服务质量,达到较高的资源利用率,使该算法更加适合多媒体应用环境．     

基于二次聚类的多目标混合云任务调度算法

针对混合云环境包含大量异构云计算节点的情况,提出二次聚类方法,依据资源的综合特性,将异构资源进行分簇,将任务分发到合适的资源聚类,缩小任务搜索空间.在此基础上,结合私有云的安全可靠性、公有云的可扩展性以及用户需求的多样性,提出混合云环境下多目标优化的任务调度算法.该算法首先在私有云优先调度截止时间短的任务,对于每个聚类,将任务分配给完成时间最接近于其结束时间的资源,以完成更多的任务;将溢出的高负载任务转移到公有云聚类执行,结合任务的计算成本、通信开销和截止时间的约束,选择费用最低的资源.实验结果表明,与传统无聚类的算法相比,该算法降低了执行费用,同时提高了资源利用率和用户满意度.     

网格环境下加权动态效率的任务调度算法

为了优化网格环境下的任务调度策略,提出了一种加权动态效率任务调度算法WDEA.WDEA任务调度算法根据网格节点资源的CPU利用率、内存利用率、当前网络流量、磁盘I/O访问率以及进程总数等负载参数的变化因素,在WLCA加权最少连接算法的基础上,引入了网格环境中节点资源动态利用率的权值,使得WDEA算法可灵活地根据当前网格环境下不同节点资源的动态负载权重实施任务调度.仿真实验结果表明,WDEA任务调度算法弥补了WLCA算法的不足,优化了任务调度,使节点资源负载趋于均衡.     

基于改进虚拟机整合算法的虚拟资源管理工具

提出了一种基于分段迭代相关性整合(SICC)的虚拟机整合与放置策略,并将它作为云资源管理工具的核心结构。SICC算法整合了时间序列分析、线性相关性分析和传统的FFD算法,并基于虚拟机的最小资源利用率建立了一套新的虚拟机动态资源整合理论。数值仿真结果表明,在虚拟机整合过程中,新的基于SICC的架构在使用不同的初始动态条件时,以虚拟机为粒度的物理资源利用率性能提升3%~20%;在以服务器为粒度的物理资源利用率性能提升超过5%。     

一个改进的Min—min网格任务调度算法

在动态、异构和分布的网格环境中,对网格任务的调度是一个非常复杂、重要且具有挑战性的问题.针对网格环境的动态性特点.在min-min算法的基础上,提出了一个改进的网格任务调度算法,其核心是根据任务和资源的特性将任务映射到相应的节点上执行,并采用模拟器GridSim进行模拟实验.实验结果表明,该算法能降低完成任务的总时间,可有效地保证负载均衡,提升系统资源利用率,具有较好的综合性能.     

多样性病毒入侵环境下的网络空间安全态势智能估计方法

针对多样性病毒入侵环境,提出一种网络空间安全态势智能估计方法。基于卷积神经网络和双向长短时记忆网络提取网络空间信息的空间维度特征、时间维度特征,将提取的特征输入Softmax分类器,完成病毒入侵类型的识别;建立基于支持向量机的网络空间安全态势智能估计模型,改进鲸鱼优化算法训练支持向量机,智能估计所识别入侵环境中的网络空间信息安全态势值。实验结果表明,在多样性病毒入侵环境中,所提方法具备准确识别网络空间入侵行为的能力,并能准确估计多种入侵行为下的网络空间安全态势。     

软件容错模型中的部分抢占实时调度算法

为了减少软件容错模型中实时调度算法的抢占次数,提出了一种部分抢占调度算法(PPA),该算法不仅考虑了如何尽可能多地执行主部分,还考虑了如何减少抢占次数,采用了类似非抢占最早时限优先算法(EDFA)来调度主部分.对不同CPU利用率和软件错误概率的任务集合进行模拟实验,结果表明,PPA算法在可以获得与目前所知的同类算法近似调度性能的同时,还可以在一定情况下极大地减少任务调度间的抢占次数,从而减少了系统中因抢占次数过多带来的额外运行时调度开销等负面因素.     

高可信赖实时操作系统的防危调度机制

为增强实时操作系统的防危性,在分析现有调度机制的基础上,探讨了最大关键度优先的调度算法,该算法是一种混合型的优先级实时调度算法,由静态优先级、动态子优先级和静态子优先级3部分组成,综合了固定优先级调度算法和动态优先级调度算法的优点,既可充分利用处理器资源,又能在发生瞬时过载时保证关键任务不受非关键任务的影响,从而增强了实时操作系统的防危性。     

高利用率集合Sporadic实时任务调度方法研究

该文提出一种基于最少迁移度和分割度的任务调度方法.该方法将各个实时周期任务分比例执行在不同处理器核上,并规定任务调度时的优先顺序,然后根据相应的实时调度流程对实时周期任务进行调度.并与已有的高利用率集合调度的准划分调度算法EDF-os、EDF-fm进行对比.结果表明该方法在保证系统利用率的同时,减少了任务分割和迁移的数...     

基于利用率和负载均衡的多核实时调度算法研究

针对分区调度算法在实时多处理器系统中处理器利用率不高的现象,提出一种基于利用率和负载均衡的分区调度算法BUWBPA(Based on Utilization and Workload Balance Partition Algorithm)。该算法在满足任务实时性要求的基础上,以寻求高利用率和负载均衡为目标进行任务分配,将任务分配分成两个阶段:第一个阶段以高利用率为原则,选择任务集内利用率最高的任务先分配;第二个阶段以负载均衡为原则,根据处理器数选择利用率总和等于1或接近于1的任务进行分配,并且在此阶段对于未达到充分利用的处理器,选取可能调度的零星任务,对任务进行再次重新分配,以达到负载均衡和系统最大利用率。实验证明,该算法在实现最大利用率的前提下能很好地达到负载均衡。     

基于动态博弈模型的网络拓扑攻击态势感知方法

在网络拓扑攻击态势分析过程中,如果仅着眼于防守方,网络态势感知结果误差较大,为此提出基于动态博弈模型的网络拓扑攻击态势感知方法。设置一个固定长度的时间窗口,按照数据流进入联级网络的顺序,建立层次化网络拓扑安全检测方案。根据检测数据,定义一个五元组攻击事件并确定每个元组的权重,同时将所定义的元组与开源威胁情报库中CAPEC攻击类型库的各元组进行匹配,找出当前网络中存在的攻击事件。由于攻防双方策略相互依存,所以建立网络攻防动态博弈模型,描述网络拓扑对抗情况;利用马尔可夫决策算法,结合攻防双方的效用、收益和成本,计算出攻击态势感知的量化值,实现网络拓扑攻击态势感知。测试结果表明,所提方法感知到的攻击态势值贴合实际态势值,均方误差仅为0.070,有效降低了网络拓扑攻击态势感知误差。     

一种对资源不稳定性敏感的EASY-backfill算法

网格将分布式的计算节点连接起来,形成一个集中的计算和资源环境.网格环境中的任务调度对于网格的运算效率和整体性能有很大的影响.EASY-backfill算法作为经典的动态网格任务调度算法,有着算法简单、运算量小、调度性能优秀等诸多优点,但其算法条件对于计算资源的假设是理想绝对稳定的,同时认为任务的性能预测是精确可靠的,这显然不符合实际情况.首先建立不稳定计算资源的模型,在该模型下改进EASY-backfill算法,使其能够在感知计算资源的不稳定性的条件下,保持算法原有的效果;然后,把经典EASY-backfill算法与改进算法作了比较;最后,就不稳定计算资源模型的相关参数对算法造成的影响进行了讨论.     

基于深度强化学习的边云协同串行任务卸载算法

在移动边缘计算任务卸载问题中,传统卸载算法仅考虑移动设备和边缘服务器计算资源,在资源利用、系统效能上存在一定的局限性。该文基于RainbowDQN算法,考虑了延迟、能耗成本和服务质量保证等因素,提出了一种边缘云协同串行任务卸载算法(ECWS-RDQN)。该算法通过对串行任务的权重分配,实现了网络边缘和云端协同的串行任务动态分配处理,为不同的用户设备应用提供近似最优的任务分配卸载策略。实验表明,ECWS-RDQN算法比传统方案有更好的系统效能,提升了应用的服务质量。     

资金流约束下的动态联盟项目计划优化算法

资金能力是影响项目计划执行的重要因素之一.针对这一情况,提出以满足资金流约束为目标的动态联盟项目计划优化算法.该算法在满足项目交货期和任务优先约束关系的前提下,使项目计划的支出资金流满足盟主企业的可用资金流的约束,从而增强项目计划的可执行性.     

云数据中心面向实时任务的节能调度算法

针对云计算环境下的独立实时任务的节能调度问题进行了研究,设计了一种基于松弛时间的任务调度算法,该算法由实时任务的分配、虚拟机资源的动态扩展以及虚拟机的动态整合3个部分组成,通过计算任务的松弛时间保证任务在截止期限内完成,保证任务的时效性. 同时提出了一种基于多阈值的虚拟机整合策略,以平衡系统负载并降低系统完成任务集合的能耗. 实验表明,与其他算法相比,该算法在保证了任务能够按时完成的基础上,有效降低了系统的整体能耗.     

基于权值的Hadoop调度算法改进与实现

针对当前Hadoop集群自带的任务级调度分配方法在实际处理作业时存在资源分配不均的问题,提出了一种基于权值的任务调度分配算法。该算法结合节点当前的负载状态、节点物理性能和任务优先级等作为依据,通过权值排序当前的作业队列并将空闲资源优先分配给权值高的任务,从而实现运行过程中作业任务的自适应动态调度。实验结果表明,改进算法相比原来的FIFO算法有30％的性能提升。     

改进粒子群算法的动态空间调度方法

针对船体分段生产调度的多目标性和动态性,提出了一种改进粒子群算法的动态空间调度方法,确定船体分段在工作平台上的加工顺序和空间布局位置.算法以加工完成时间最短和空间利用率最高为目标,采用自适应惯性权重策略保证算法的收敛性,并引入遗传算法中的选择算子和变异算子增强算法的收敛速度和多样性,利用启发式定位策略确定分段的位置.最后,以船厂实际生产数据进行仿真验证.仿真结果表明,所提方法可以大大降低以手工方式制定调度计划的复杂度,并能有效地提高空间利用率达到70%,说明该方法是解决动态空间调度问题的一种有效方案.     

网络控制系统的动态权重变采样周期调度算法

为提高网络控制系统的性能,提出一种用于网络控制系统的动态权重变采样周期调度算法.首先,通过二次平方根映射函数,根据控制回路数据传输误差对各个控制回路赋予不同的动态权重;然后,根据当前网络运行状况,通过比例控制预测新的网络利用率,同时利用最小二乘支持向量机算法预测各回路数据包传输时间;最后,在网络带宽资源受限的情况下,利用回路动态权重、网络利用率预测值并结合控制回路数据包传输时间,动态的调整回路的采样周期,使得网络控制系统的性能得到优化.仿真实验表明,提出的变采样周期调度算法能够使得网络利用率收敛到设定值,减少了控制回路的数据传输时延,提高了系统的输出响应与控制性能.     

云计算环境下多目标约束的虚拟资源动态调度

为了解决静态资源调度所导致的CPU利用率不高的问题,研究了多目标约束的虚拟资源动态调度方法。给出了云计算虚拟资源调度模型,设计了多目标约束的虚拟资源表示方法,采用马尔科夫链对虚拟资源的下一时刻状态进行预测,从而得到可用资源向量;最后,计算任务与可用资源向量之间的匹配向量,将任务分配给匹配向量中具有最大各维分量之和的虚拟资源进行调度,并提出了具体的采用基于马尔科夫链预测的云计算虚拟资源动态调度算法。实验结果表明:该算法能有效解决云环境下多目标约束的虚拟资源动态调度问题,具有较小的负载均衡离差和任务执行跨度,较其它方法具有较大的优越性。     

可生存系统认知性的评估方法

针对自主可识别性机制,基于最短K-路径算法,提出一种可生存系统认知性的评估机制.首先,建立了可生存系统认知性评估的框架结构,给出了认知状态转移矩阵和认知评估指标;然后,对可生存系统的认知生存能力进行量化建模;最后,对某网络安全态势感知系统,针对DoS攻击行为,进行了认知性能的仿真验证,结果表明,所提方法如实反映了系统在不同攻击参数下认知性的动态演化,分析了系统中存在的生存威胁,验证了所提方法的可行性.