共查询到10条相似文献，搜索用时 62 毫秒
1.
任务调度技术是并行分布式系统中的关键技术之一,对系统的性能起着重要作用,但通常情况下大型系统的任务调度问题属于NP问题。而现代启发式生物进化算法是找出很多NP问题近似解的有效方法。本文将粒子群算法应用于基于可用性的网格系统调度中,提出了一种调度算法,对算法的性能进行了理论分析和模拟实验。结果表明:和最近文献中的基于可用性的调度算法SSAC相比,所提出的新算法在保证系统资源具有同样的可用性条件下,能够产生更好的调度长度。 相似文献
2.
Haitao Yuan MengChu Zhou Qing Liu Abdullah Abusorrah 《IEEE/CAA Journal of Automatica Sinica》2020,7(5):1380-1393
An increasing number of enterprises have adopted cloud computing to manage their important business applications in distributed green cloud (DGC) systems for low response time and high cost-effectiveness in recent years. Task scheduling and resource allocation in DGCs have gained more attention in both academia and industry as they are costly to manage because of high energy consumption. Many factors in DGCs, e.g., prices of power grid, and the amount of green energy express strong spatial variations. The dramatic increase of arriving tasks brings a big challenge to minimize the energy cost of a DGC provider in a market where above factors all possess spatial variations. This work adopts a G/G/1 queuing system to analyze the performance of servers in DGCs. Based on it, a single-objective constrained optimization problem is formulated and solved by a proposed simulated-annealing-based bees algorithm (SBA) to find SBA can minimize the energy cost of a DGC provider by optimally allocating tasks of heterogeneous applications among multiple DGCs, and specifying the running speed of each server and the number of powered-on servers in each GC while strictly meeting response time limits of tasks of all applications. Realistic data-based experimental results prove that SBA achieves lower energy cost than several benchmark scheduling methods do. 相似文献
3.
为提高混合遗传算法的计算效率和求解质量,提出一个并行混合遗传算法框架。该框架主要由遗传算法、小生境操作和单纯形3部分组成,遗传算法和小生境操作采用串行执行方式,单纯形采用分布式并行执行方式。分布式并行计算环境由4台计算机通过交换机连接构成,并设计了一个动态任务调度方案。一个典型工程算例验证了新算法的有效性,并且在分布式并行环境下取得了较好的加速比和并行效率。 相似文献
4.
在多用户接入的边缘计算环境中存在设备和容器之间的资源调度问题.本文的主要目的是研究和优化边缘终端资源调度,以提高系统性能和资源利用效率.为了实现这一目标,对边缘终端资源调度进行了建模,并提出了一种基于盖尔-沙普利(GS)算法的优化方案.首先,通过建立边缘计算环境下的资源调度模型分析了设备和容器之间的匹配关系;然后,采用GS算法进行资源分配,通过设备和任务之间的双向匹配实现了资源的最佳分配.为了验证所提出方案的有效性,本文进行了仿真实验,模拟测试了不同任务数量和设备数量情况下的系统性能.实验结果显示,在任务数量增加和设备数量超过容器数量时,GS算法能够有效降低系统开铕,与传统的资源分配算法相比,表现出显著的优势.此外,本文还提出了应对计算复杂性问题的策略,如并行计算和智能任务分配,以提高算法的可扩展性和适应性. 相似文献
5.
机器学习问题通常会转换成一个目标函数去求解,优化算法是求解目标函数中参数的重要工具.在大数据环境下,需要设计并行与分布式的优化算法,通过多核计算和分布式计算技术来加速训练过程.近年来,该领域涌现了大量研究工作,部分算法也在各机器学习平台得到广泛应用.本文针对梯度下降算法、二阶优化算法、邻近梯度算法、坐标下降算法、交替方向乘子算法五类最常见的优化方法展开研究,每一类算法分别从单机并行和分布式并行来分析相关研究成果,并从模型特性、输入数据特性、算法评价、并行计算模型等角度对每个算法进行详细对比.随后对有代表性的可扩展机器学习平台中优化算法的实现和应用情况进行对比分析.同时对本文中介绍的所有优化算法进行多层次分类,方便用户根据目标函数类型选择合适的优化算法,也可以通过该多层次分类图交叉探索如何将优化算法应用到新的目标函数类型.最后分析了现有优化算法存在的问题,提出可能的解决思路,并对未来研究方向进行展望. 相似文献
6.
针对CPS系统中资源和任务的复杂性,同时为了保证CPS系统资源管理和任务调度的快速性、准确性和有效性,构建了分布式CPS系统结构模型,并设计和实现了基于蚁群算法的资源分配策略,在算法中设计了局部和全局信息素更新规则,将资源管理、任务调度和执行相结合,同时兼顾网络的负载平衡问题和服务质量问题.利用Matlab对基于蚁群算法的分布式CPS系统任务调度策略进行了仿真实验,实验结果证明该策略缩短了整体任务调度的总完成时间,并随着任务数的增加,任务时间缩短的效果更加明显. 相似文献
7.
LOGO是一种“局部-全局(LOcal-GlObal)”式的分布式计算框架,与流行的MapReduce计算框架不同,LOGO框架下的大数据分布式计算分两步完成：LO操作在节点虚拟机内运行串行算法,完成一个随机样本块的独立计算,产生局部计算结果;GO操作将所有局部结果上传到主节点,在主节点内对局部结果做集成,得到大数据的近似计算结果。LOGO计算框架在执行迭代算法时,消除了节点间的数据通信,极大地提高了分布式计算的效率,降低了内存需求,提高了数据扩展性。本文提出一种新的基于LOGO计算框架的分布式机器学习算法库,由LO操作执行的串行算法和GO操作执行的集成算法两部分组成。LO操作直接执行已有的机器学习串行算法,无须按MapReduce编程模型对算法进行重写,GO操作对串行计算结果进行集成。本文阐述了LOGO分布式计算的原理、算法库架构、串行算法封装和GO操作集成策略,展示了Spark实现、App应用开发和多种算法测试结果。 相似文献
8.
《Concurrency and Computation》2017,29(5)
Joint service involving several clouds is an emerging form of cloud computing. In hybrid clouds, the schedulers within 1 cloud must not only self‐adapt to the job arrival processes and the workload but also mutually adapt to the scheduling polices of other schedulers. However, as a combinatorial optimization problem, scheduling is challenged by the adaptation to those dynamics and uncertain behaviors of the peers. This article studies the collaboration among benevolent clouds that are cooperative in nature and willing to accept jobs from other clouds. We take advantage of machine learning and propose a distributed scheduling mechanism to learn the knowledge of job model, resource performance, and others' policies. Without explicit modeling and prediction, machine learning guides scheduling decisions based on experiences. To examine the performance of our approach, we conducted simulation using the SP2 job workload log of the San Diego Supercomputer Center under a test bed based on agent‐based systems—SWARM. The results validate that our approach has much shorter mean response time than 5 typical dynamic scheduling algorithms—opportunistic load balancing, minimum execution time, minimum completion time, switching algorithm, and k ‐percent best. A better collaboration in hybrid cloud is achieved by full adaptation. 相似文献
9.
图结构作为表达事物之间复杂关联的数据结构,被广泛使用在多种应用场景中. 随着互联网应用的不断发展,数据规模的不断增加,分布式的图计算系统相较于传统单机系统从运算时间、资源调度等各个方面显现出优越的性能. 近年来,基于大规模图数据的分布式图计算系统使用需求快速增加,图数据划分技术受到了学术界的广泛关注. 通过对分布式图计算系统中的图划分技术的研究,首先介绍了面向分布式图计算的图划分的技术背景,给出当前分布式图计算系统中的图划分相关概念的定义以及相关计算模型的分类体系,报告了分布式图计算模型的发展现状. 接着对不同的图划分策略中的具体技术进行介绍,通过在不同策略之间进行分析与比较,总结其在各类分布式图计算系统中的优势与不足. 最后就分布式图计算系统中图划分技术的发展现状,讨论了其当前存在的挑战与未来的研究方向.
相似文献10.
本文在并行ｊｏｉｎ法ＡＢＪ＾＋的基础上提出一个基于Ｓｅｍｉｊｏｉｎ的改进算法ＳＢＡＢＪ。我们在多台Ｓｕｎ工作站是实现了该算法，并对ＡＢＪ＾＋和ＳＢＡＢＪ＾＋进行了能测试。算法分析和实验结果表明了并行ｊｏｉｎ算法ＳＢＡＢＪ＾＋优于ＡＢＪ＾＋算法。 相似文献