树形网格自适应调度模型研究

提出一种基于树形计算网格的自适应调度模型,实现对小粒度独立任务和用户大作业的自适应最优调度.通过对网格环境的实时检测,给出了基于节点负载状况、节点任务执行时间和任务特性的自适应调度算法.实验证明该任务调度模型在负载平衡和容错方面具有良好的性能.     

一种基于QoS的网格资源动态分域算法

为了解决网格资源管理中资源合理分配与任务优化调度问题,提出了一种动态分域的网格资源层次管理模型,以便在实现任务调度最小化任务执行时间(Minimum Execution Time)的情况下,最终实现网格资源的全局优化分配。本模型先按用户提交的任务主关键字对任务进行分类,然后运用一、二级调度中心算法与计算结点算法相互搭配对任务进行合理调度、对资源予以优化管理。文章最后通过仿真实验验证了所述模型与算法的实用性、有效性和优越性。     

采用DIRECT算法的外辐射源雷达高效直接定位方法

针对直接定位目标函数为非凸函数,传统凸优化方法难以获得全局最优解,而常用网格遍历搜索方法运算量大的问题,提出采用DIRECT (Dividing rectangles)算法进行高效求解的方法。首先建立外辐射源雷达接收信号模型,在此基础上推导最大似然直接定位目标函数,为解决该目标函数非凸难以快速获得全局最优解的问题,将DIRECT算法用于目标位置的快速估计, 并理论分析其计算复杂度。数值仿真表明新方法计算速度快且定位精度高,相比网格遍历法,计算时间降低2个数量级,相比遗传算法降低1个数量级。      

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.     

基于网格爬山法的最大似然DOA估计算法

最大似然波达方向（DOA）估计具有最优的理论性能,但是存在计算量过大的问题。为了降低最大似然DOA估计的计算量,将参数估计转化为高维非线性函数的优化问题,并提出了一种新的优化算法。首先利用波束形成法对空间谱进行预估计并根据空间谱信息构造一组满足“预估分布”的初始解,这组初始解以较大概率落在全局最优解的局部吸引域中。然后将其中适应度最大的一个初始解作为局部搜索的起点。网格爬山法是一种以网格为单元的局部搜索方法,比传统爬山法更加高效和稳定,因此采用该方法获取全局最优解。新算法不仅能够得到精确的参数估计,同时具有较高的计算效率,计算机仿真显示新算法的计算效率高于基于粒子群优化的最大似然DOA估计算法。      

基于蚁群算法的物流配送路径优化方法研究

针对港口物流配送的路径优化问题,文中提出了基于改进蚁群算法的最优路径规划方法。该方法考虑了现实环境中的配送约束条件,并以总的规划路径长度最小化为目标建立系统模型。其在标准蚁群算法的基础上,通过改进蚂蚁对下个目标节点的选择方式,并对非最优解加以重复利用来充分探索可能的配送路径。同时减小解空间中最优解与非最优解间的信息素浓度差,进而提高算法跳出局部最优的概率。通过将随机产生的多个目标节点作为仿真环境,对所提算法与现有算法进行对比。测试结果表明,所提算法不仅可有效规划物流配送路径,且其规划出的路径总长度更短,寻求全局最优解的能力也更强。     

计算网格中动态负载平衡策略研究

负载平衡调度策略对于网格计算系统非常重要,有利于网格子任务和网格资源间作出更合理的匹配,起到优化总计算时间的目的.研究了通用的集中式动态负载平衡策略,基于Globus的网格信息获取和任务分配模型,网格节点硬件类、软件类及文件类信息的获取方法,设计并实现了网格动态负载平衡算法,继而应用该算法在网格中进行了地震波正演模拟实验.实验结果表明:该算法充分利用了网格中每个节点的资源,有效地减少计算密集型任务的求解时闻.     

基于商空间的层次式数据网格资源调度算法

为了解决传统数据网格调度算法在对层次式数据网格调度过程中出现的极易陷入局部最优值和收敛速度过慢的问题,将粒计算的思想引入到网格调度中,提出了一种基于商空间的层次式数据网格资源调度QSHDGRA (quotient space theory based hierarchical data grid resource allocation)算法。首先分析了层次式数据网格的特点,接着提出一种基于业务请求平均等待时间和网络与节点资源利用均衡度的调和函数的调度问题模型,随后设计了基于商空间的层次式最优资源调度算法。该算法的特点是可以在不同粒度上由粗至细地对网格业务进行调度,从而保证不同业务的QoS,并实现系统全局最优资源分配。仿真实验表明,算法可以显著地提升系统整体的吞吐率,具有更快的收敛速度,并具备线性扩展能力。     

协同人工免疫计算模型的研究

 针对现有人工免疫模型在计算效能方面仍然存在的一些问题,本文借鉴生命科学中协同进化的概念与方式,探讨了一种协同人工免疫计算模型的实现方法,旨在改善当前该类计算模型中的不足.其主要思想在于分析种群进化过程中,在免疫疫苗亦随之进化的情况下,如何建立疫苗库与种群间的协同进化机制以提高算法全局搜索最优解或者满意解的概率.通过理论分析和针对多组TSP问题的仿真计算,结果表明该模型在搜索最优解或满意解均优于传统的遗传算法,同时在寻优效率上有较大提升.     

时间域电磁勘探数据的模拟退火法反演研究

地电模型的高度非线性和非惟一性限制了模拟退火法反演在电磁勘探领域中的应用。该文采用改进的模拟退火算法,实现了时间域电磁法数据的模拟退火法反演。首先通过双重数字滤波方法简化了正演计算过程,然后将非线性反演问题转化为最优化问题,采用模拟退火算法搜索全局最优解。改进的搜索策略能自适应地调整搜索步长,提高了最优解的搜索效率。与传统反演方法进行对比实验,结果表明该方法能有效获得全局最优解,得到更加准确的地电模型参数。     

Autonomic workflow execution in the grid

Mobile agents are being leveraged in both workflow management and grid computing contexts. The convergence of these two research streams supports execution in the grid where tasks are allowed to vary in their level of interdependence. The result is an expansion of grid applications beyond those which consist of homogeneous computations decomposed and performed in parallel to those which support the parallel execution of sequences of interdependent tasks that constitute a workflow. However, grid computation of critical workflows requires that the grid platform exhibits the autonomic characteristic of self-healing in order to ensure workflow execution. To address this issue, in this work, we first develop a model for dynamic fault tolerance technique selection, which can be embedded generically in a mobile agent workflow management system. We then augment an existing architecture for flexible fault tolerance in the grid with our model, thus allowing the system to optimally configure its fault tolerance mechanisms through awareness of the computational environment. The result is a foundation for autonomic workflow management in the grid.     

基于动态冗余机制的数据并行型计算网格模型

在由多个普通计算机机群构成的网格环境下,为了解决大规模数据并行型计算加速比问题、容错问题和动态负载均衡问题,提出了一个基于动态冗余机制的数据并行型网格模型。给出了由多个计算机机群组成的数据并行型计算网格等一系列形式化定义。利用逻辑计算机机群、机群逻辑环、计算节点逻辑环和m-冗余策略,研究了动态冗余、动态负载均衡技术。根据这些技术,描述了网格环境下的数据并行型计算过程。理论分析和实践表明,该模型有效地解决了大规模数据并行型计算所需的负载均衡、容错和资源优化问题。该模型适合基于网格的数据并行型计算。     

网格计算中一种启发式数据分配算法的讨论

网格是在高速网络环境下解决大区域、高性能、并行计算问题的一种新技术.高性能调度技术是网格核心管理的重要技术之一,它要做的第一步就是在空间上对计算和数据进行分配.本文针对一个简化了的网格计算环境,考虑待处理的数据单元在各聚集中出现的不同频率,提出了一种启发式数据分配算法(HDDA),可以使数据分配在多项式时间内完成并获取较小的通信费用,然后对算法的进行了性能分析,最后对该算法在实际网格中的应用进行了探讨.     

基于并行计算模型的并行微粒群算法的性能分析

将微粒群算法与并行计算模型相结合,基于三种不同的并行计算模型(带中央控制器的并行计算模型、环形结构带缓存区的并行计算模型、BSP并行计算模型),设计出相应的并行微粒群算法,并对并行算法性能进行详细分析。大量实验表明:子种群之间的通讯周期是个重要的可变参数,当选取合适时,能提高解的质量以及算法的收敛性和最优性。     

服务契约在网格计算中的应用

从市场经济模式下的网格服务模型出发,研究满足基于市场需求的网格计算为目的,先后讨论了服务契约的三个内容,首先给出粒度的概念,其次描述服务粒度化的必要性,然后阐述了服务契约的产生,最后按照企业建议的内容提出一种格式化契约的形式。该服务契约适用于作为市场模式下网格计算的服务供需双方的电子交易凭证。     

Reliability and performance of tree-structured grid services

Grid computing is a new emerging technology aiming at large-scale resource sharing, and global-area collaboration. It is a next step in an evolution of parallel and distributed computing. Due to the large scale and complexity of the grid system, its performance and reliability are difficult to model, analyse, and evaluate. This paper presents a model that relaxes some assumptions unsuitable for grid computing systems that have been made in the existed works studying the distributed systems. The paper proposes a virtual tree model of the grid service. This model simplifies the physical structure of a grid service, allows service performance (execution time) to be estimated, and takes into account the common cause failures in communication channels. Based on the model, an algorithm for evaluating the grid service performance distribution and the service reliability indices is suggested. The algorithm is based on graph theory, and Bayesian analysis. Illustrative examples are presented in which the results of the suggested algorithm are compared with simulation results.     

一个层次式面向对象并行计算框架的设计

本文讨论了一个层次式并行应用软件开发框架的设计思想,将并行计算底层细节进行逐级抽象,采用面向对象封装与继承机制,为科学计算领域提供了快速原型实验和应用开发环境.该框架的层次结构使之成为独立于体系结构的并行开发环境,它的高层抽象界面允许以顺序方式书写的代码不经任何改变即可在不同体系结构的并行环境上运行.     

一类大规模油藏数值模拟问题的有效并行计算

大型科学计算领域的并行处理一直是人们非常关注,如油藏数值模拟的并行计算,本文基于用网络连接多台共离内存多处理机的分布并行处理系统,运用并行计算理论和方法,采用负载衡策略,解决了网络节点多达７２．８万的大规模油藏数值模拟问题,提高了油藏数值模拟的计算速度和能力。     

ASON光网格中基于GridFTP的资源并行调度机制

为解决面向应用驱动的网格资源动态分配,提出基于ASON的光网格模型,在此基础上提出面向GridFTP服务的并行网络资源调度机制.并行资源调度借助于光资源控制系统提供网格应用中并行通道数据传输,在网格应用驱动下实现网络资源的动态按需分配,提高了光资源利用效率及海量数据传输能力.通过构建基于ASON的光网格平台体系,执行DridFTP文件传输应用服务以验证所提模型和资源调度机制.     

双向长短时记忆模型训练中的空间平滑正则化方法研究

双向长短时记忆模型(BLSTM)由于其强大的时间序列建模能力,以及良好的训练稳定性,已经成为语音识别领域主流的声学模型结构。但是该模型结构拥有更大计算量以及参数数量,因此在神经网络训练的过程当中很容易过拟合,进而无法获得理想的识别效果。在实际应用中,通常会使用一些技巧来缓解过拟合问题,例如在待优化的目标函数中加入L2正则项就是常用的方法之一。该文提出一种空间平滑的方法,把BLSTM模型激活值的向量重组成一个2维图,通过滤波变换得到它的空间信息,并将平滑该空间信息作为辅助优化目标,与传统的损失函数一起,作为优化神经网络参数的学习准则。实验表明,在电话交谈语音识别任务上,这种方法相比于基线模型取得了相对4%的词错误率(WER)下降。进一步探索了L2范数正则技术和空间平滑方法的互补性,实验结果表明,同时应用这2种算法,能够取得相对8.6%的WER下降。