DBC性价比资源调度算法

传统的DBC（Deadline and Budget Constrained）调度算法,比如时间最优调度算法、代价最优调度算法都是在时间（deadline）和代价（budget）的约束下,满足时间或代价单方面的QoS需求的极端情况。针对这一不足,提出了一种基于DBC的性价比资源调度算法,综合考虑了时间和代价的QoS需求,目的在于提高任务的完成量以及任务完成的性价比,并通过推理论证和仿真实验验证了该算法的有效性和优越性。     

网格市场中一种模糊决策的多维QoS批调度方法

网格市场环境下,用户的服务质量(QoS)需求更加多样化;更多普通用户加入网格市场,难以提供精确的QoS需求信息.因此,基于用户模糊QoS需求的调度算法成为网格市场中研究的热点.多维QoS网格调度的形式化描述,利用模糊决策理论有效地将用户模糊的QoS需求的映射到网格资源,利用AHP算法确定用户关于多维QoS各维度之间的权重关系,给出一种模糊决策的多维QoS的调度方法.实验表明,模糊决策的多维QoS批调度算法在不需要用户提供精确的QoS参数前提下,有效满足用户QoS需求.与现有的QoS批调度方法相比,该算法具有较好的一次作业完成率,且作业完成率波动较小.     

用户QOS及系统指标指导的计算网格任务调度

针对网格环境中的动态性特点,特别是用户服务质量（QoS）需求的动态变化性,通过定义任务的效益函数来评估任务的多维QoS需求。同时为了兼顾任务完成时间、负载平衡等系统指标,引入系统效益的概念,给出负载平衡度的定义用来指导调度及评价调度性能。针对一组具有QoS需求的相互独立的计算任务提出一种用户QoS及系统指标指导的计算网格任务调度算法——UQSI。模拟实验结果显示,该算法能较好地满足用户的多维QoS需求,更加适合开放复杂的网格环境。     

基于QoS的网格服务选择优化机制

在网格服务发现和选择过程中，如何根据请求方（用户）对服务质量的需求，以及网格QoS的动态变化选择网格服务是一个重要问题。该文基于请求方（用户）对不同网格服务QoS赋予的权重不同以及容忍度不同，提出了网格服务选择算法，从而使得请求方（用户）获得的网格服务的性价比最高。     

网格环境下工作流的费用-时间调度算法

开放网格服务架构（OGSA）和计算经济模型的提出,使得动态的、不同QoS的服务支持下的资源调度成为一个复杂且具有挑战性的问题。该文提出了网格环境下基于费用-时间的工作流调度算法,该算法采用动态资源选择策略适应网格计算环境下的动态性和自治性。在追求较小的工作流完成时间的同时,对费用进行了优化。模拟结果显示该调度算法符合计算网格的复杂环境,能够更好地满足不同用户的实际需要。     

基于效益函数的网格任务调度算法

在动态、异构、分布广泛的网格环境中,对资源的调度是一个非常复杂而重要且具有挑战性的问题。本文针对网格环境中的动态性特点,特别是用户QoS要求的动态变化性,提出了一种基于效益函数的网格任务调度算法,并采用GridSim模拟器分别对该调度算法和模拟器自带的代价最优和时间最优的网格任务调度算法进行模拟。实验的结果表明：该调度算法更能体现用户对QoS要求的动态变化;在系统完成相同数量的网格任务时,消耗相同时间的情况下,该调度算法在代价上优于基于时间优化的调度算法;而花费相同预算的情况下,在时间上优于基于代价优化的调度算法。     

一个市场驱动的QoS网格工作流任务调度算法

网格调度关系到整个网格任务运行的效率,因此在网格的研究过程中,已经提出了很多调度算法.但这些算法大部分是对元任务(Meta-task)进行调度,很少是针对关联任务的.在考虑用户QoS(Quality of Service)需求的情况下,提出了一个市场驱动的QoS网格工作流任务调度算法.仿真实验结果表明了该算法的合理性和有效性.     

网格经济模型中基于信任机制的调度算法*

在Buyya设计的GRACE网格资源管理框架下,提出反映信任值动态变化规律的信任函数,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DBC调度算法进行改进,分别提出了以时间优化、成本优化和时间—成本折中优化为目标的基于信任的DBC调度算法(Trust DBC)。理论分析及模拟实验结果表明,该算法性能明显优于相应的未考虑信任的调度算法。     

基于多QoS属性的分类优化调度算法

实现用户的服务质量（Qos）是网格计算中力求达到的重要目标,网格资源的分布性、异构性、动态性等特征使网格环境下以服务质量为指导的资源调度成为一个复杂的问题,尤其是在用户的任务具有多种QoS属性的情况下。该文利用经济模型研究网格QoS控制的资源分配问题。以效用最大化为目标通过综合效用函数量化服务质量,设计了在时间和费用受限情况下对任务进行分类的优化调度算法,该调度算法满足用户多QoS属性。仿真实验显示了该算法的有效性。     

基于QoS约束的启发式网格资源分配算法研究

由于网格环境的资源分配问题属于NP难题而难以通过精确算法获得最优解,提出一种针对具有用户QoS需求的资源分配问题进行求解的启发式方法;首先,在资源分配模型目标函数中考虑QoS约束,然后采用改进的蚁群算法对资源分配方案进行寻优,在信息素的初始化、局部信息素和全局信息素的更新以及资源选择机制中,都加入了QoS约束,使得通过改进蚁群算法求解出的最优解能满足用户QoS需求和实现资源负载平衡;实验结果表明:文中算法得到的平均调度时间较QoS-F和QoS-GA分别减少了42.96％和24.49％,是一种符合网格环境的有QoS约束的有效资源分配方法.     

Scheduling parameter sweep applications on global Grids: a deadline and budget constrained cost–time optimization algorithm

Computational Grids and peer‐to‐peer (P2P) networks enable the sharing, selection, and aggregation of geographically distributed resources for solving large‐scale problems in science, engineering, and commerce. The management and composition of resources and services for scheduling applications, however, becomes a complex undertaking. We have proposed a computational economy framework for regulating the supply of and demand for resources and allocating them for applications based on the users' quality‐of‐service requirements. The framework requires economy‐driven deadline‐ and budget‐constrained (DBC) scheduling algorithms for allocating resources to application jobs in such a way that the users' requirements are met. In this paper, we propose a new scheduling algorithm, called the DBC cost–time optimization scheduling algorithm, that aims not only to optimize cost, but also time when possible. The performance of the cost–time optimization scheduling algorithm has been evaluated through extensive simulation and empirical studies for deploying parameter sweep applications on global Grids. Copyright © 2005 John Wiley & Sons, Ltd.     

基于混沌遗传算法的网格工作流调度应用

动态网格环境中, 多QoS(服务质量)约束下的工作流调度问题是决定其任务执行成功与否及效率高低的关键。现有的网格工作流调度算法难以满足实际应用中的不同需求, 同时算法欠优化, 难以提供多种策略, 由此提出了一种基于期限与预算两个QoS约束的改进型混沌遗传算法。首先, 为避免算法出现收敛停滞将混沌机制引入遗传算法并对变异概率进行自适应处理。其次, 提出时间和预算的线性结合概念, 将目标函数转换为适应值函数。最终基于工作流调度中的平衡结构和非平衡结构测试了算法的有效性。     

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.     

一种多重约束下确保成功率的云工作流调度方法

为提高多重约束下的调度成功率,提出一种满足期限和预算双重约束的云工作流调度算法.将可行工作流调度方案求解分解为工作流结构分层、预算分配、期限分配、任务选择和实例选择.工作流结构分层将所有工作流任务划分层次形成包任务,以提高并行执行程度;预算分配对整体预算在层次间进行分割;期限分配将全局期限在不同层次间分割;任务选择基于...     

Genetic algorithm-based neural fuzzy decision tree for mixed scheduling in ATM networks

Future broadband integrated services networks based on asynchronous transfer mode (ATM) technology are expected to support multiple types of multimedia information with diverse statistical characteristics and quality of service (QoS) requirements. To meet these requirements, efficient scheduling methods are important for traffic control in ATM networks. Among general scheduling schemes, the rate monotonic algorithm is simple enough to be used in high-speed networks, but does not attain the high system utilization of the deadline driven algorithm. However, the deadline driven scheme is computationally complex and hard to implement in hardware. The mixed scheduling algorithm is a combination of the rate monotonic algorithm and the deadline driven algorithm; thus it can provide most of the benefits of these two algorithms. In this paper, we use the mixed scheduling algorithm to achieve high system utilization under the hardware constraint. Because there is no analytic method for schedulability testing of mixed scheduling, we propose a genetic algorithm-based neural fuzzy decision tree (GANFDT) to realize it in a real-time environment. The GANFDT combines a GA and a neural fuzzy network into a binary classification tree. This approach also exploits the power of the classification tree. Simulation results show that the GANFDT provides an efficient way of carrying out mixed scheduling in ATM networks.     

Joint optimisation of application QoS and energy conservation in grid environment

Mobile and wireless devices with limited energy are now of interest for the grid community. Reducing the related energy consumption is very important for wireless devices. Compared to conventional grid systems, energy aware grids need to support application quality of service (QoS) with limited energy. There is an inherent conflict in the design goals for high grid application QoS and low energy consumption. To address this challenging problem, this article considers joint optimisation of application QoS and energy conservation in grid environment. Joint optimisation of application QoS and energy conservation is targeted to maximise the system utility without exceeding the deadline and the total energy available, which can be provided by an exhaustible source such as a battery. This article formulates joint optimisation of application QoS and energy conservation as constrained maximisation problem; the constraints include energy budget and application QoS requirements. This article also presents a QoS and energy aware scheduling algorithm (QESA) which balances application QoS and energy conservation to improve system performance. In the simulation, the performance evaluation of QESA is conducted.     

一种基于改进蚁群算法的网格任务调度算法

在网格计算中,任务调度是影响系统性能和服务质量的重要问题。文章在考虑截止时间和花费两项用户QoS需求的基础上,提出了一种基于蚁群算法的网格任务调度算法。该算法先采用GC（Greedy Cost-Time Distribution）算法求解,将所得解转化为蚁群算法的初始信息素分布,然后利用蚁群算法获得调度解。模拟实验结果表明：在网格环境下,该调度算法具有明显的优势。     

结合价值密度和截止期的网格实时作业调度

在商业网格和云计算环境中,作业有到达时间、计算量、预算、截止期等参数,其中,预算是时间的函数。准确区分作业的重要性和紧迫性是作业调度系统的一个关键问题。综合利用这四个参数来定义作业的优先级,并提出基于价值密度和相对截止期的网格作业调度算法。分别对弱实时和强实时网格作业的调度进行仿真。仿真结果显示,所提出的调度算法的性能在两种情况下都优于所有对比算法的性能,且在强实时作业情况下优势更明显。