信任驱动的网格作业调度遗传算法

作业调度是网格计算的关键技术之一.近年来,人们将信任机制融入到作业调度算法中,以满足作业调度对网格服务质量提出的需求.根据一信任模型,设计了求解基于该信任模型的遗传算法,该算法在保持种群多样性的同时,提高了局部搜索能力.仿真结果表明,该算法可以获得较好的调度结果,且收敛速度快.     

基于拍卖机制的网格作业调度遗传算法

根据拍卖机制的在线信誉网格资源管理模型,设计基于遗传算法的网格作业全局调度策略。引入时间和花费2个经济因素,改进遗传算法的收敛性。改进算法根据用户需求得到最优化的资源分派策略,提高网格系统的总体性能。将该算法纳入GridSim模拟器进行系统测试,结果证明其优于传统调度算法。     

基于量子遗传算法的校园网格作业调度

互联网的异构性导致了网络资源不能充分共享,传统的校园网结构使得教育资源难以大范围共享,网格技术能较好地解决这些问题。通过对校园网现状和网格技术的分析,该文提出校园网格作业调度模型,设计并实现了基于量子遗传算法的作业调度方法。算法借鉴量子比特的叠加性,采用量子编码来表征染色体,能够表示许多可能的线性叠加状态,其整体性能优于普通遗传算法。     

基于信任机制的网格资源调度算法

针对目前网格资源调度中忽视信任机制的缺陷,在行为信任模型和能力信任评估的基础上,提出一种信任驱动的资源调度算法TDS。该算法同时兼顾了性能QoS和信任QoS。仿真实验结果表明,TDS算法与传统的基于性能QoS的算法和基于信任QoS的算法相比,在最小完工时间和服务请求提交成功率方面具有较好的性能。     

基于信任机制的网格资源调度算法

针对目前网格资源调度中忽视信任机制的缺陷,在行为信任模型和能力信任评估的基础上,提出一种信任驱动的资源调度算法TDS。该算法同时兼顾了性能QoS和信任QoS。仿真实验结果表明,TDS算法与传统的基于性能QoS的算法和基于信任QoS的算法相比,在最小完工时间和服务请求提交成功率方面具有较好的性能。     

网格环境下基于信任机制的资源调度研究

信任是网格资源调度中一个很重要的因素,也是影响网格计算有效性和性能的关键技术之一。将信任机制引入到网格资源调度中,提出了网格环境下的信任模型和基于信任机制的资源调度模型,在调度策略上对传统的Min-Min算法进行了改进,提出了基于信任机制的Trust-Min-Min算法。仿真结果表明,算法不仅可以缩短任务的总执行时间,而且可以有效地平衡负载,是网格环境下一种有效的资源调度方法。     

信任驱动的网格调度算法

针对目前网格资源管理中任务与资源匹配问题的不足,基于信任效益函数与匹配概念,提出了信任驱动的网格调度匹配算法。在调度中同时还考虑了任务和资源效益值,对已经提出的两种信任驱动的网格调度算法进行改进。结果证明:该算法较传统基于的信任驱动调度算法而言,信任效益值,资源效益值,负载平衡和失效服务数等方面有较好的综合性能。     

基于插件机制的网格作业调度研究

根据网格计算中作业调度的特点,基于Platform公司的LSF系统,提出一种适合管理网格系统中作业调度策略的方案——插件机制。鉴于插件即插即用、易于扩充和实现的优势,对网格系统中的调度模块以插件的形式进行管理,以提高系统的整体调度性能,并为第三方软件提供良好的接口。     

基于遗传算法的网格资源分配与调度研究

合理的资源调度可以在很大程度上提高网格系统资源的利用率,遗传算法（GA）因具有强大稳健的隐并行解空间搜索功能,被广泛应用于任务分配和调度问题的求解。本文在研究标准遗传算法（SGA）的基础上,提出与小生境技术相结合的自适应选择概率、父子竞争（PCC）交叉算子、插入变异算子和最优保存策略,改进SGA算法,在很好地保持种群收敛性的同时,提高了算法的局部和全局搜索能力。仿真实验结果表明,本文算法与其它调度算法比较,更能有效地实现资源的分配,可以成功应用于网格环境下独立任务的分配与调度。     

网格经济模型中基于信任机制的调度算法

在网格环境中使用经济学原理进行资源管理和调度是网格从理论研究走向实际应用的有效途径之一。本文在Buyya设计的GRACE网格资源管理框架下,提出一种基于微分方程的信任值量化计算公式:信任=直接信任8声誉,在此基础上建立基于行为的网格信任机制。根据应用环境的不同需求,对网格经济模型调度算法(DBC)进行改进,分别提出了以时间优化、成本优化和时间成本折衷优化为目的的网格信任调度算法(TrustDBC)。理论分析及模拟实验结果表明,本文算法性能明显优于相应的未考虑信任的调度算法。     

基于改进遗传算法的网格任务调度算法

网格任务调度是一个NP完全问题,它关注大规模的资源和任务调度,要求采用的调度算法能够具有高效性.遗传算法被证明是解决这类小规模问题的有效算法,随着任务数和资源数的增加,遗传算法表现出慢速收敛的缺点.为了克服其缺点,提出将Min-min算法与遗传算法相结合的改进遗传算法,从而设计出很好的选择和交叉算子,提高了算法搜索能力和收敛速度.仿真结果表明该算法能更有效解决网格任务调度问题.     

网格环境下基于信任和QoS测量的任务调度算法研究

为了既保证高效的调度效率,又可以准确地对计算资源动态特性进行描述,并且对这种动态性所带来的消极影响实施规避行为,同时还可以满足计算任务提出者的QoS需求.因此在对网格计算和计算网格系统的知识背景以及该领域的研究现状进行认真分析的基础上,提出了可以解决此问题的基于信任机制和QoS测量的计算任务调度算法.     

基于遗传算法与蚁群算法动态融合的网格任务调度

深入分析遗传算法和蚁群算法的机理,并结合网格任务调度的研究,提出基于遗传算法和蚁群算法动态融合的网格任务调度策略.该策略通过不同迭代次数中种群相似度的差值实现两种算法的动态融合.仿真实验表明该策略是可行的,并且具有高效性.     

基于启发式规则和蚁群算法的车间作业调度方法

车间作业调度问题是一个典型的NP-hard问题,也是一个前沿性的研究课题,已受到学术界和工业界的广泛关注。提出了一种基于启发式规则和蚁群算法的车间作业调度方法。该方法首先采用蚁群算法得到车间作业调度问题的一组可行解,然后采用一些启发式规则进一步优化这些可行解。通过将启发式规则有效地融入到蚁群算法中,使得该混合方法的优化效率得到极大的改进。仿真实例表明,方法是可行的、正确的和有效的。     

并行混合遗传算法在车间调度问题的应用

结合先后表编码和完全活动调度概念,设计了基于先后表的完全活动调度算法PLFA,该算法能将可行解与不可行解转化为完全活动调度。并将PLFA算法与遗传算法结合,提出了一种并行混合遗传算法,初始种群由PLFA G-T算法产生,其产生的解都是完全活动调度,采用LOX的交叉算子与基于PLFA G-T算法的变异算子,并使用主从模型的并行遗传算法模型。最后JSP基准实例验证了算法的有效性。     

一个基于全局竞标机制的网格调度系统

通过对性能驱动型网格调度系统的分析,指出了其不足之处,继而提出并实现了全局调度和本地调度相结合的基于全局竞标机制的网格调度系统.实验证明,该系统能够在用户指定的时间约束内完成作业,并获得较优的执行代价,降低作业的运行成本.     

A NEW DISTRIBUTED JOB SCHEDULING ALGORITHM FOR GRID SYSTEMS

Job scheduling is one of the key issues in the design of grid environments. The performance of the grid system severely degrades if a method does not exist to efficiently schedule the user jobs. In this article, a fully distributed, learning automata–based job scheduling algorithm is proposed for grid environments. The proposed method is composed of two types of procedures: in the first, a procedure is run at the grid nodes and in the second, the procedure is run at the schedulers. The proposed algorithm synchronizes the performance of the schedulers by the learning automata that select their actions using the pseudo-random number generators with the same seed. In this method, the grid computational capacity that is allocated to each scheduler is proportional to its workload. To show the efficiency of the proposed method, several simulation experiments were conducted under different grid scenarios. The obtained results show that the proposed algorithm outperforms several well-known methods in terms of makespan, flow time, and load balancing.     

“上海高校网格e-网格计算应用平台”任务调度策略的优化

首先分析了"上海高校网格平台e-网格计算应用平台"现有的任务调度策略,针对它的不足之处,提出了两个优化的方案.第一个方案着重于研究如何提高系统的吞吐率,并且已经在系统中得到了实现;第二个方案着眼于系统未来的发展,提出了在系统规模扩大后可能会使用到的调度策略,并通过模拟,证明了该方案的可行性.     

基于捕食搜索策略的网格任务调度算法

为解决网格任务调度难题,设计了一种模仿动物捕食策略的网格任务调度算法SAPS(Scheduling Algorithm Based onPredatory Search)。该算法首先确定待搜索区域,将待搜索区域划分为若干子区域,然后对子区域依次进行区域搜索,在搜索过程中如在某个子区域发现较优解,则对此子区域进行精密搜索,如未发现较优解,则转到下一个子区域,直至遍历所有子区域。SAPS算法具有较好的全局搜索和局部搜索的能力,克服了Min-min算法单纯追求局部最优而缺少全局意识的缺点。试验结果表明,该算法能更有效地解决网格任务调度问题。