基于Min-Min改进后的网格调度算法

根据现有网格计算中的任务调度算法,深入分析了传统的Min-Min算法,指出该算法中存在的负载不平衡的缺陷.针对这一缺陷,提出改进算法Sect-Min,该算法采用"分段"的思想,把任务分成若干小任务后再分别进行调度.使用Matlab进行模拟仿真,结果证明了改进后算法的合理性和有效性.     

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。     

一种多属性网格任务调度算法及仿真研究

为使网格任务调度时能更多地考虑任务和资源之间的各种属性.通过对常用静态调度算法的分析,吸收了Min-min和Max-min等算法的思想,将影响网格任务调度的诸多属性归纳为两类因素.提出了一种针对多属性任务的调度算法MASA,经过截断处理、归一化、加权计算等方法得出任务与资源之间的匹配矩阵,指导任务调度.仿真实验测试结果表明,在相同任务和资源环境下,通过改变不同属性的加权系数能得到所期望的调度结果,使具有高加权系数属性的任务在调度时更具优势.此算法具有灵活性,属性可增可减,能根据具体情况进行配置,以满足具体应用需求.     

云环境下基于Min-Min改进的任务调度算法

在Min-Min的基础上,针对所存在的缺陷,提出了一种负载均衡的改进算法.仿真实验表明,在一定条件下,改进后的算法比传统的算法有一定的提高.     

一种基于动态聚合方法的网格任务调度算法

网格中的资源都是动态的,传统的静态任务调度算法不能适应网格的动态特性.通过对资源在未来一段时间内的状态进行预测,可以提高调度算法的性能.文中提出了一种用动态聚合进行调度的算法.首先对处理器的负载进行取样,然后根据网格任务的执行时间,对处理器的取样值进行动态聚合,再利用AR（p）模型进行预测,最后利用预测到的值作为参数对网格任务进行调度,把网格任务分配给每个处理器,使得每个处理器完成子任务的时间都相同,从而使得整个任务的执行时间最短.实验表明,这种算法能很好地适应处理器负载高度变化的情况.     

基于非贡献网格的自适应任务调度算法研究

针对传统的Min-Min算法的高效特性和Max-Min算法的负载平衡特性,引入了资源的服务代价属性和任务的请求代价属性,以提高任务调度的时间跨度性能为目标,提出了一种面向非贡献网格(No-dedicated Grid)的自适应任务调度策略(No-dedicated Adaptive Min-Min and Max-Min,NDA-MM)。实验表明,该算法在时间跨度和可扩展性等方面的综合性能较以往算法有较大提高。     

基于生存性和Makespan的多目标网格任务调度算法研究

在动态、复杂的网格系统中,资源的失效非常频繁,网格资源的失效会导致在该节点上执行的计算任务无法正常完成,从而影响网格计算的服务质量和效率。针对这个问题,提出了任务生存性(survivability)的概念,将任务生存性与Makespan结合起来,给出了一个可调节的局部目标函数,实现了基于生存性和Makespan的Min-min启发式调度算法(SM-Min-min)。实验证明该算法能够有效地平衡Makespan和任务生存性目标,并可以通过调节目标函数中的偏好参数满足不同的需求,因此更适合开放复杂的计算网格环境。     

移动网格任务调度算法研究

针对移动网格中同一网格域的任务调度问题进行研究。考虑Min-Min算法的负载不均衡和移动终端的能量受限因素,改进一种结合移动终端能量受限和Min-Min算法的EnergyMin-Min算法(即E-mm算法)进行任务调度,来提高任务执行成功率并优化系统的负载性能。通过仿真验证分析,改进后的E-mm算法相对于Min-Min算法不仅能满足上述要求和提高资源利用率,而且系统负载均衡效果得到明显改善。     

移动网格可分任务调度研究

解决独立、等长度任务在性能异构且随时间动态变化的一组固定和移动资源上的调度问题,其中移动设备具有间歇连接性.提出动态循环调度DCS算法,用环结构组织任务,调度过程体现了重调度策略和复制策略.对算法进行性能分析和实验验证,表明算法性能和移动资源的间歇连接特征、任务运行跨度、移动资源数量、任务长度等因素相关.     

基于粒子群的网格任务调度算法研究

为了更好地解决异构动态环境下的资源管理问题,提出了一种网格环境下的任务调度模型。该模型考虑了当前网格虚拟组织下的计算资源、存储资源和带宽资源,模型的最优化目标是实现三者利用率最高和代价最低,即构造min-max函数。与遗传算法相比,利用粒子群优化算法对min-max函数求解提高了资源的利用率和任务的执行效率,同时在随着迭代次数增加的情况下,搜索速度、寻优率和避免早熟方面也有明显的提高。     

云环境中基于粒子群算法的任务调度研究

任务调度是云计算实现高效计算的关键技术。本文采用粒子群算法进行任务调度求解,对每个子任务占用的资源采用间接编码方式,考虑时间和成本定义合理的初始化参数,选择合适的适应度函数,尽量避免陷入局部最优。仿真结果表明,改进算法具有寻优能力强、耗时少等优点,实现较为理想的任务调度结果。     

基于改进的遗传-模拟退火的有序任务调度算法

分析了基于任务复制的典型算法，提出了基于任务复制的改进的遗传一模拟退火的有序任务调度算法。在改进的遗传算法中利用模拟退火的方法可以缓解遗传算法的选择压力．增强了遗传算法的全局收敛性．避免了在搜索过程中陷入局部最优。     

一种基于协作型任务的网格资源调度算法

网格是建立在互联网上的新一代基础设施,网格计算中大部分任务为子任务之间具有复杂关系的协作型任务。首先对协作型进行了详细的分析,采用AOV网表示子任务之间的关系,针对协作型任务提出了一种基于遗传模拟退火算法的调度策略,该调度策略满足了对协作型任务资源调度的需求。同时还阐述了该算法的原理和操作步骤。     

基于蚁群优化算法的网格OBS任务调度研究

本文采用蚁群优化算法（ACO）设计了基于光突发交换（OBS）网络的网格任务调度。该算法既考虑了网格用户的需求,同时结合了网格中计算资源和网络资源的分配。设计了基于ACO算法的两种通路选择规则,并在一个集中式的网格OBS仿真平台上对这两种选路规则的性能进行了对比分析。     

计算网格环境下以QoS为指导的启发式任务调度

实现用户的服务质量QoS是网格的一个重要特征．网格环境下以服务质量为指导的任务调度是一个非常复杂且具有挑战性的问题，特别是在用户的任务具有多种QoS需求的情况下。利用效用函数对用户的多种QoS进行建模．提出了一个同时兼顾任务完成时间和用户服务质量的目标函数。在此基础上提出了一种计算网格环境下针对一组具有QoS需求的相互独立的计算任务的启发式调度算法。模拟实验结果显示，该算法能较好的满足不同用户的需求并提升系统资源的利用率。     

一种新的基于业务等级的波长分配算法

提出了一种新的基于业务等级的WDM波长分配算法-MIT(最小影响门限法),并采用三种网络拓扑,在不同负载的动态业务下对所提算法进行了研究,仿真结果表明该算法既满足了上层业务不同QoS需要,同时又充分利用了有限的网络资源,使全网的平均阻塞率降低。     

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。