一种基于遗传算法的车间作业调度求解算法

研究了遗传算法在特定的车间作业调度问题中的应用,以遗传算法作为优化工具,给出了车间作业调度算法,最后给出了计算机仿真结果,并与启发式算法求得的结果作了比较,证明了该算法解的有效性和优越性.     

一种网格环境下作业混合调度的策略

网格作业调度是网格平台以尽可能高效的方式将应用程序提交的计算任务分配到恰当的计算资源上执行的过程.为此分析了网格作业的调度目标与资源分配策略,并在此基础上给出了一个综合的调度算法,以及一个仿真实验结果.     

工作流管理中分组批处理调度算法研究

针对成批服务工作流的K／1／1模型，提出了改进的先来先服务RFCFS和加权排队WQ两种分组批处理理优化调度算法。通过仿真的方法对它们的各种统计特性与传统方法做了比较，说明分组批处理是有意义的、且是可行的，可以缩短工作流实例中活动处理的平均等待时间、提高系统效率并可节约资源。     

机群管理系统中作业对象数据复制算法研究

机群管理系统中节点的I/O负载过重以及系统的可扩展性是制约其效率的关键。通过使用作业对象的互复制以及基于快照的并发调度,可降低读/写操作的等待,同时也使各种操作在机群节点交替执行,提高了并行性。文中首先描述了作业对象的快照模型;给出了作业数据访问协议并实现了作业对象可扩展复制算法;最后对该算法进行了评价和分析。     

基于多目标权衡的数据网格作业调度算法

动态变化的数据网格环境下,很大一部分服务器和带宽资源于分发业务和下载类服务的传递,其资源请求任务受调度长度、时间跨度、负载均衡、服务质量、经济原则及安全性能等诸多因素制约,难以用单一的特征来表示。鉴于此,基于多目标权衡提出一种针对多业务作业请求矩阵,权衡多参数均衡的作业调度算法。仿真实验表明,该算法能在系统重载时提升系统整体的吞吐率,适应大规模图状数据处理场景.     

运用改进的SPEA2算法优化网格工作流调度方法

提出了一种QoS约束的多目标优化的网格工作流调度算法ISPEA2,该算法基于表达结构丰富的AGWL网格工作流模型,在SPEA2算法中引入约束检测对网格工作流调度问题进行优化,克服了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参数较少及将多QoS参数聚合成一个单目标函数进行优化调度的缺陷,可供决策者根据用户的实际需求从产生的Pareto优化解集中选择最终的满意解。通过与采用原SPEA2设计的网格工作流调度算法OSPEA2的比较,表明ISPEA2算法所获得的Pareto优化解集都是满足QoS约束的非支配解,且获得了更优的平均结果。     

基于资源分组的多约束云工作流调度算法

已有的云工作流调度算法采用全局搜索方式进行资源选取,存在计算成本高、对大规模云系统适应性差的问题。该文提出了基于资源分组的多约束云工作流调度算法,采用有向无环图的方法,对云工作流中的多任务之间的执行顺序和数据交换等属性进行量化建模;使用模糊聚类方法实现基于资源多维特征的分组处理,降低工作流任务到资源匹配过程中的搜索空间;并引入执行时间和成本预算约束,将工作流的任务调度问题转化为有约束条件的极小极大问题进行快速求解。仿真测试表明,该算法显著降低了任务执行完成时间和成本。     

基于关键路径前瞻的工作流调度算法

为了进一步提高工作流调度的效率,对异构环境下的工作流调度算法进行研究,提出了一种基于关键路径前瞻算法(critical path lookahead algorithm,CPLA)的工作流调度算法.该算法在任务确定优先级阶段考虑了入口任务到当前任务的最长路径,以及当前任务到出口任务的最长路径;在资源选择阶段考虑了关键路径任务和非关键路径任务对调度结果的影响.使用随机生成的和真实世界的2种不同类型的有向无环图(directed acyclic graph,DAG)工作流来评估CPLA的性能,实验结果表明:CPLA能够有效地缩短调度长度,算法的效率、加速比、调度长度比等性能有所提高,并且算法的时间复杂度低于目前调度效果最好的Lookahead算法.     

基于规划和动态调度的网格工作流

基于WFMC的工作流参考模型提出了网格工作流体系结构,扩展了基于遗传算法技术的规划算法以支持网格工作流自动建模,给出了基于市场驱动策略的动态调度算法以提高网格应用的服务质量,并介绍了在Globus上实现的原型系统JLGridFlow和其在大文件下载中的应用。     

柔性作业车间调度问题的一种混合进化算法

目的 为了克服现有求解柔性作业车间调度问题的算法所存在的早熟现象、收敛速度慢等不足,提出了一种混沌遗传粒子群算法.方法 将遗传算法中的交叉变异策略引入到粒子群算法中,并在遗传粒子群算法中引入了混沌技术.结果 新的混沌遗传粒子群算法,提高了收敛速度和求解精度,有效解决了柔性作业车间调度问题.结论 通过一组测试函数比较了遗传算法、粒子群算法和混沌遗传粒子群算法的性能.仿真计算表明:混沌遗传粒子群算法具有收敛快、优化性能好的优点.     

网格环境下基于多QoS约束的任务调度算法研究

针对网格任务调度过程中的QoS （Quality of Service）约束可扩展性不足、资源利用率低等问题,提出一种多QoS约束的Min_Min任务调度算法。该算法首先计算待调度任务QoS与每个资源QoS的匹配值,并根据匹配值的大小确定任务分配的先后顺序,然后再依次对已排序的任务选取具有最小最早完成时间所对应的资源进行分配。在保证QoS匹配质量的同时,也注重资源节点的利用率。仿真实验结果表明,该算法在综合性能上明显优于Min_Min算法。     

基于时间驱动的FMS工件流智能调度方法及其应用

针对柔性制造系统生产中的产品批次多、每批次数量较少的一类生产特征,分析了贯穿于FMS生产过程各个环节的时间因素特性以及遗传算法在FMS调度过程的适用性及方法,通过分析论述FMS生产过程时间优化的研究成果,提出了一种基于时间驱动FMS工件流进程并借助遗传算法进行工件流调度方案优化的方法,以双工位工作台、连续工况以及随机的初始状态等为条件,验证了这种方法在FMS工件流调度中的应用效果。     

基于模糊聚类的云计算集群资源调度算法

针对现有的云计算集群资源调度算法具有的负载不均衡和在线动态适应能力不强的缺点,提出了一种基于模糊聚类的云计算动态集群资源调度算法。首先,构建了云计算环境下的资源调度模型。然后采用模糊聚类对云计算集群资源进行聚类,根据节点与所有聚类中心的距离判断是否需要增减聚类数量。当新任务到来时,自动计算其到各个聚类中心的距离,将具有最小聚类距离的聚类中心分配给该任务。在Cloudsim环境下进行仿真试验,结果表明该方法能有效地实现云计算集群资源的动态调度,且较其它方法相比,具有反应实时和负载均衡的优点,是一种适合云计算环境的可行任务调度方法。     

基于CPM的非流水作业排序启发式算法

通过对ｎ种零件需经ｍ类机器加工的复杂非流水型作业排序这一ＮＰ问题的分析,以误工时间最短为目标建立了数学模型,并采用 ＣＰＭ方法构造了一个优度较高的启发式算法．实际应用表明,该算法很适于单件、小批生产类型的生产进度计划．     

基于遗传算法的网格资源任务调度策略研究

网格是当前高性能计算领域的一个研究热点。首先分析了网格任务的特点,给出了网格任务模型,在此基础上提出了一种层次结构的网格资源管理任务调度系统模型。采用了遗传算法作为调度策略,给出了调度策略的每一步具体实现方案。此模型可为网格的资源管理提供一个统一的高层管理框架,能实现全局最优调度,为网格调度提供了一种有效的方法和途径。     

基于资源可用门限的分布式作业调度

在研究现有分布式调度模式的基础上,提出了基于资源可用门限的分布式调度模式。该模式综合资源性能和负载情况,准确反映站点的当前使用状态,根据资源可用门限为作业请求选择局部站点。评估结果表明,与现有分布式模式相比,该模式降低了平均作业等待时间和平均作业响应时间,具有更好的调度性能,因此是一种高效的分布式调度模式。     

基于蚂蚁算法的网格计算任务分类调度方法的研究

介绍了网格计算应用开发和任务调度优化的研究工作.分析了适合于网格环境的网格应用,提出一种基于蚂蚁算法的任务分类调度方法,通过大量的试验数据验证了改进方法的效果.     

一种基于通信开销的网格任务调度算法

针对网格中通信密集型任务调度存在的通信开销的不稳定性问题,在网格同构计算环境下,基于Min-min算法,采用动态调度策略,提出了一种相适应的基于通信开销的任务调度算法.实验结果证明,该算法在解决通信密集型应用的任务调度问题时效果明显.     

基于改进布谷鸟搜索算法的云计算任务调度

针对云计算系统中能否高效地调度子任务的问题,本文提出了一种基于改进布谷鸟搜索算法的任务调度算法.利用柯西分布对陷入局部极值的鸟巢进行扰动,有利于提高布谷鸟搜索算法全局搜索的质量.算法运用整数编码方式,利用改进后的算法求得最优解.使用云仿真平台进行验证,结果证实了所提出算法的有效性.     

基于差分演化的K-均值聚类算法

针对K-均值聚类算法对初始值敏感和易陷入局部最优的缺点,提出了一类新的聚类算法——基于差分演化的K-均值聚类算法,进而提出了基于自适应差分演化的K-均值聚类算法,并将新算法与传统的K-均值聚类算法和最近提出的几个同类聚类算法进行比较。实验结果表明,该类算法能比较有效地克服传统的K-均值聚类算法的缺点,算法具有较好的全局收敛能力,稳定性强、收敛速度快,且比较研究表明该类算法具有一定的竞争力。