基于云模型的网格QoS参数归约与调度优化

针对网格资源调度中用户对QoS的定性描述,利用云模型实现资源调度中的QoS匹配。深入分析了QoS参数云的特征,提出了QoS云处理模型,通过该模型,将离散的多个QoS参数归约到一个定性的概念上;设计了实现参数归约的体系结构;给出了基于定性概念的资源调度算法。实验表明,所提出方法在资源调度率和吞吐量以及系统资源的利用效率等方面体现出良好的特性,实现了基于定性概念的调度,达到了优化调度的目的。     

基于QoS参数综合模型的网格资源选择优化

QoS是网格任务执行的基本保证,针对网格资源选择中复杂的QoS参数处理过程,将QoS参数按照用户的关心程度进行分类,提出了一种简化的参数处理模型,设计了支撑该模型的QoS体系结构,给出了优化资源调度过程的算法。实验表明,该模型提高了系统吞吐量和资源匹配成功率,缩短了任务的平均完成时间,最终实现了整个系统资源利用率的提高。     

OFDMA系统中基于多业务QoS保证的机会调度算法

针对正交频分多址接入（OFDMA）系统中多业务资源调度问题,提出了一种基于服务质量（QoS）的最小性能保证的资源机会调度算法。以系统总吞吐量优化为目标,根据业务的QoS参量设计子载波调度参数,并利用图论中最大加权双向匹配问题的求解算法,在各业务间公平分配子载波资源,保证了各业务的QoS要求。仿真结果表明,所提算法在保证各业务的最低速率要求的前提下有效地提高了系统总吞吐量性能。     

基于云理论的网格资源选择

资源选择是影响网格调度和系统效率的关键,针对网格资源选择中用户对服务质量(QoS)的定性描述和调度的自私性,提出了利用云理论实现资源选择的方法。在深入分析QoS参数的云理论模型基础上,提出了以资源代理实现云模型资源选择的体系结构,设计了相应的调度算法。实验表明,该算法在资源调度率和吞吐量以及系统资源的利用效率等方面体现出良好的特性,同时克服了用户定义QoS参数的困难,达到了优化调度的目的。     

网格调度中的QoS参数容错

基于QoS参数的资源调度在执行中由于参数不满足要求导致调度失败,可靠性不强,而部分QoS参数具有累加属性,可实现不同任务之间的参数容错。基于此,在考虑用户偏好的基础上,分析参数特性,提出一个在时间和成本上实现多任务之间容错的调度算法。该算法在不增加预算的基础上可以提高任务执行的成功率,并能够根据用户的偏好更好地满足用户的需求。实验结果表明,在QoS参数上的调度容错能够较大地提高调度的可靠性。     

一种基于QoS参数映射的网格资源筛选方法

服务质量(QoS)和资源管理是服务网格中的两个研究焦点.研究如何建立一种基于应用QoS需求的网格资源筛选方法,在扩充已有调度模型的基础上利用模糊神经网络实现了不同层次QoS参数之间的映射,利用映射结果提出一种资源筛选算法.该方法能实现区分确保型服务(DG服务),能为网格应用寻找一个能满足需求的匹配.与所有提供区分确保型服务的网格系统一样,文中模型能显著提高网格系统的两个主要评价指标:资源利用率和服务拒绝率,同时只有较低的系统消耗.     

车联网数据流的多维服务质量改进异构计算最早完成时间调度算法

针对车联网中数据流分布式处理的调度问题,提出了多维服务质量(QoS)改进异构计算最早完成时间(HEFT)调度算法.首先,分别建立了车联网中数据流的分布式处理任务的带权有向无环图模型和车联网分布式计算资源的七维QoS属性带权无向拓扑结构图模型.其次,改进经典的HEFT调度算法中的列表构造方法为最高层最小后继任务优先列表构造方法; 同时,将车联网分布式计算资源的七维QoS属性进行分组、降维,转化为两维综合属性优先权:计算性能优先权和通信性能优先权,形成了两种不同用户偏好的多维QoS改进HEFT调度算法.最后,通过算例分析表明:两种不同用户偏好的多维QoS改进HEFT调度算法综合性能优于经典的HEFT调度算法和轮询调度算法.     

云环境下结合模糊商空间理论的资源调度算法

考虑到云计算商业化和虚拟化特点,针对云环境中的高效资源调度问题,提出一种基于模糊商空间理论的资源调度算法.在进行资源调度时,算法首先将虚拟机资源抽象为不同的属性信息粒,再根据用户任务QoS特征分层进行粒度融合,最后结合模糊商空间理论建立模糊等价类和距离函数,并据此进行资源匹配.实验结果分析表明,该算法能有效的满足用户任务QoS,提高资源利用率.     

基于多QoS约束的数据网格任务调度算法研究

针对数据网格环境下的多QoS约束任务调度问题,提出了一种基于最早完成时间与QoS相识度的数据网格任务调度算法(data grid task scheduling algorithm based on Min-min and QoS similarity,MS-GTSA).该算法将最早完成时间与S-GTSA算法相结合,在任务调度过程中,选取任务QoS约束与资源QoS匹配最佳,且完成时间最早的一项优先进行调度.在满足任务最佳QoS匹配的同时,时间跨度得到了较大的改善.仿真结果表明,该算法有效降低了任务调度的时间跨度,在综合性能上较S-GTSA算法有所提高.     

一种覆盖网多QoS约束均衡的路由算法

覆盖网服务质量（QoS）路由是覆盖网研究的关键问题,在多QoS约束均衡和网络资源优化的基础上,提出一种多QoS约束均衡的路由算法。该算法考虑包括节点和链路在内的多种QoS约束因素,使用层次分析、参数归一等方法解决多个QoS参数权值分配问题。同时根据覆盖网络特点采用资源均衡的方法,对链路带宽及节点计算能力2种QoS参数资源进行均衡。利用随机拓扑实验对时间、代价、资源利用率等性能指标进行验证,并与同类算法进行比较,结果表明,该算法所选择的路径在各项QoS指标都满足的情况下,能较好地均衡网络资源。     

基于QoS效用函数的比例公平调度算法

比例公平调度算法应用于多媒体业务调度时,不能满足其多方面的服务质量(QoS)需求,尤其是当有业务的瞬时QoS参数值接近业务可忍受的QoS阈值时,该业务的调度优先级变化趋势不明显,使该业务不能被及时调度,降低了多媒体业务的通信质量。为此,在PF算法调度优先级判断表达式中引入QoS因子参数项,加强服务质量需求参数项对调度的影响,提出基于QoS效用函数的比例公平调度算法。实验结果证明,该算法可以迅速增加接近QoS阈值多媒体业务的调度机会,使VolP业务的平均延时降低44%、公平性提高3%。     

多QoS约束的双目标最优的网格工作流调度研究*

针对当前网格工作流调度算法中大多只考虑DAG结构的网格工作流,涉及QoS参数较少或将多QoS参数聚合成一个单目标函数进行优化调度,提出了一种多QoS约束的双目标最优的网格工作流调度算法。该算法是基于AGWL网格工作流模型和改进的MOPSO算法,其目标是在满足可靠性、可利用性和声誉这三维QoS参数约束下,同时最小化两个冲突目标,即响应时间和服务费用。通过与原MOPSO所设计的网格工作流调度算法比较,该算法能获得更优的优化解。     

基于多QoS需求驱动的网格资源调度研究

为解决网格用户多QoS需求的资源调度问题,引入了满意度函数模型和经典Min-Min算法。将众多网格QoS分为性能和信任两类,选取性能QoS中的优先级、时效性、精度性和信任QoS中的安全性、可靠性共五个指标,分别构建每一维QoS参数的满意度函数模型并形成QoS综合满意度函数模型,由此设计多QoS约束的网格资源调度(Q-Min-Min)算法,以期将Min-Min算法中按照期待执行时间(ETC)进行调度改为按照服务质量综合满意度(QSM)进行调度。仿真实验表明,改进的Q-Min-Min算法在任务的跨度和成本两项性能指标上均比Min-Min算法更具优势,取得了较为理想的结果,证明了基于多QoS需求驱动的网格资源调度的有效性。     

QoS guided Min-Min heuristic for grid task scheduling

Task scheduling is an integrated component of computing.With the emergence of Grid and ubiquitous computing,new challenges appear in task scheduling based on properties such as security,quality of service,and lack of central control within distributed administrative domains.A Grid task scheduling framework must be able to deal with these issues.One of the goals of Grid task scheduling is to achivev high system throughput while matching applications with the available computing resources.This matching of resources in a non-deterministically shared heterogeneous environment leads to concerns over Quality of Service (QoS).In this paper a novel QoS guided task scheduling algorithm for Grid computing is introduced.The proposed novel algorithm is based on a general adaptive scheduling heuristics that includes QoS guidance.The algorithm is evaluated within a simulated Grid environment.The experimental results show that the nwe QoS guided Min-Min heuristic can lead to significant performance gain for a variety of applications.The approach is compared with others based on the quality of the prediction formulated by inaccurate information.     

网格服务调度算法分布式部署和QoS性能分析

网格是一种复杂的分布式计算系统,研究其网格服务对网格作业的调度算法的分布式部署和性能分析问题具有重要的意义。网格服务调度系统的状态空间模型考虑了具有不同的输入速率和输出速率的作业队列,提出了清空型调度策略和服务调度算法,并在此基础上分析了其分布式部署问题,计算了系统QoS性能指标,指出了稳态吞吐量、稳态响应时间与负载系数的关系。     

网格环境下基于QoS的协作型任务调度算法研究

在深入研究网格环境下任务调度算法的基础上,提出一种基于QoS的协作型任务调度遗传算法并通过引入协作型任务的形式化描述DAG图构造了QoS参数模型.该参数模型提出了任务完成时间、价格和可靠性三个QoS参数并将这些QoS参数引入遗传算法,实现了网格环境下协作型任务调度对服务质量的优化并保证了协作型任务之间的数据依赖.通过与DAG-MIN和DAG-GSA算法的对比实验表明,该算法能在保证较优调度性能的同时大幅度提高调度的服务质量.     

电力线通信系统中跨层的用户调度和资源分配

针对多用户多业务基于正交频分多址的电力线通信系统,提出一种在数据链路控制层进行用户调度和在物理层进行资源分配的多层多目标最优的跨层资源分配算法,其用户调度根据所有用户的服务质量(QoS)满意程度、QoS要求、业务包模型、信道状态信息和队列状态信息,从所有用户中选出要服务的用户和确定这些用户的最优跨层参数;其资源分配则根据所有调度用户的QoS要求、最优跨层参数和信道状态信息,先把功率按地窖注水原理分给每个子载波,再把每个子载波最优地分给调度用户并采用逐比特加载查表算法调整其上分配的功率和比特。最后在典型的电力线信道环境下对算法进行仿真,结果表明新算法在系统资源大范围变化时也能保障用户的服务质量,同时有效地提高系统资源的利用。