基于风险估计模型的网格任务动态级调度算法

网格中的各种资源的失效是不可避免的,为尽可能减少由于资源失效导致任务执行失败带来的影响,网格的任务调度算法的目标不仅要最小化任务执行的时间,还要兼顾考虑任务在资源上执行失败的风险。提出了Risk—DLS（Dynamic Level Scheduling）算法是将资源的风险估计模型与DLS算法相结合,通过仿真试验与DLS算法相比较,新算法在选择适当的参数的情况下,不仅能够最小化DAG型应用的完成时间,还能提高任务执行的成功率,有效的减少网格环境的不确定性对任务执行的影响。     

基于优先级规则的网格工作流调度

 网格资源需求的不断增长使价格成为资源进行竞争的有效手段,有向无环图DAG(Directed Acyclic Graph)表示的工作流时间费用优化问题是网格环境下一个重要问题.通常情况下,DAG应用调度属于NP-Hard问题.通过分析活动间的时序特征,给出时间耦合强度TCS (Time-dependent Coupling Strength)的定义,用于标识一个活动最大的时间耦合活动个数;将其作为优先级规则的一个重要信息和BF规则(Best Fit)结合,设计出时间耦合强度最适规则BFTCS ( Best Fit with Time-dependent Coupling Strength),用于启发式算法的改进阶段,逐步提高初始可行解的性能.模拟实验结果表明,相对现有的启发式算法,基于BFTCS规则的启发算法能获得最好的性能和较快的运行效率;最后讨论了问题参数对算法性能和效率的影响.     

网树求解有向无环图中具有长度约束的最大不相交路径

对有向无环图中具有长度约束的最大不相交路径问题进行研究,该问题是求解图中两点间路径长度为k的最大不相交路径。为了对该问题进行求解,提出了贪婪搜索算法(GP, greedy path),该算法先将一个有向无环图转化为一棵深度为k+1的网树,然后计算每个网树节点的树根叶子路径数,并以此计算图中每个顶点的总路径数,之后从网树的第k+1层节点出发,在当前节点的双亲节点中选择未被使用且总路径数最小的双亲,以此形成一条优化的不相交路径,最后迭代这一过程,直到不再有新的不相交路径为止。GP算法的时间和空间复杂度分别为O(wkn(p+q))和O(kn(p+q)+n2)。为了测试GP算法的近似性,又建立了一种能够生成人工数据的算法,该算法能够准确地控制有向无环图中最大不相交路径的数量。通过该算法生成了大量测试用数据,实验结果表明GP算法较其他对比性算法具有良好的近似性且实际求解时间较短,验证了该方法的有效性和可行性。     

服务工作流的混合粒子群调度算法

服务工作流的时间-费用优化是一个基本且难以求解的问题.目前求解该问题的分层算法将工作流任务的截止时间限定在固定的时间窗口内,限制了算法的搜索范围,通过引入粒子随机极值扰动、位置回退、交叉繁殖等算子,将搜索范围扩大到整个解空间以大大提高获得最优解的概率;改进适合连续优化问题的有效粒子群算法,提出适合离散优化问题的混合粒子群(HPSO)算法.模拟实验结果表明HPSO将目前最好算法的性能平均提高了12.82%,对120个活动的工作流实例仅需要6.5s的时间.     

一种基于网格划分的有向传感网时空覆盖调度算法

针对有向传感器网络中的时空覆盖调度问题进行研究,从有向传感器节点感知模型出发,设计了基于网格划分的网络基本区域生成方法,在此基础上提出了节点最大覆盖调度迭代选择MaxGreedy算法.通过仿真实验验证了网格划分方法的有效性,设计了一系列的时空覆盖算法对比实验,深入评估MaxGreedy算法的性能.对比试验结果表明,MaxGreedy算法可以高效地生成网络的节点调度模式,并在一定程度上提高网络的时空覆盖率.     

基于有向无环图的区间覆盖率求解算法

给定一个有向无环图,回答可达性查询是图的基本操作之一.虽然很多方法使用树区间来加速可达查询的处理速度,但并不明确使用多少个区间比较合适.本文提出一种快速计算区间覆盖率的算法,该方法通过使用有效的剪枝策略来支持高效的覆盖率计算.基于所得到的区间覆盖率,可针对不同数据图确定合适的区间个数,以便在加速查询处理的同时,降低索引...     

粒子群优化算法在网格工作流调度中的应用

为了提高网格工作流管理系统的性能,将粒子群优化算法（PSO）引入到网格工作流的调度策略中．分析算法的基本原理,根据网格工作流调度的问题对其进行变形,提出基于粒子群优化算法的网格工作流调度策略,并与基于Dijkstra的网格工作流调度算法进行对比实验．实验数据表明,粒子群优化算法在网格工作流调度中的性能较好．     

基于代价模型的多平台分析任务流调度优化

分析任务流的调度是人们关注的热点问题之一.在无法提前得知各子任务资源和时间开销以及算子间传输开销的情况下,现有研究缺少较好的调度方法,也无法很好地处理多平台环境下的任务调度.为此,本文提出了一种基于启发式规则优化的拓扑调度算法.该算法通过对同平台任务和后继任务优先选择的规则,对任务流调度顺序进行优化;其次,结合Spark平台下数据分析任务常见的SQL算子和机器学习算子的代价模型,有效对任务的开销做出估计.实验表明,调度优化算法能有效节约时间开销和内存开销,代价模型的估计也较为准确.     

网格调度的算法研究及改进

优化网格资源调度算法可以提高网格系统执行效率,给任务安排合理的执行顺序和合适的处理器是优化网格资源调度算法需突破的关键技术.文中研究并实现了（Heterogeneous-Earliest-Finish） HEFT[1]算法和新的（Hierarchical Reliability-Driven Scheduling）HRDS算法.采用DAG[2]任务图生成函数,通过对已有HEFT算法进行研究,采用SimGrid为在分布计算环境下进行分布并行应用调度研究提供一个仿真环境,对HRDS算法进行了改进和验证.验证过程中在HRDS算法中加入了可靠性开销作为调度依据,并把算法分为两层调度,本地可靠性驱动调度和全局可靠性驱动调度.两算法的调度结果在SimGrid网格模拟器中仿真调度,仿真成功并且调度结果在可靠性和性能方面HRDS都比HEFT算法要好.     

基于有向无环图的P2P流媒体播放系统

文中针对P2P流媒体播放中的网络拓扑构建问题,通过抽象和刻画播放节点之间的媒体同步关系,提出了基于有向无环图结构的网络拓扑构建技术。实验表明,该技术具有数据传输率高,播放延迟小等优点。基于该技术实现的P2P流媒体播放系统已经部署在Cernet2网络中。     

基于遗传算法的网格任务调度研究

网格调度是一个典型的NP问题,研究表明遗传算法是解决复杂环境下资源调度的有效方法之一。针对异构环境下的网格任务调度,提出了一种改进的遗传算法,并改进了遗传算法的收敛特性,通过分析实验结果证明该算法优于传统的调度算法。     

一种基于DAG的并行系统任务调度方法

设计了一种适用于同构总线式多核环境的任务调度算法,着重优化了传统静态列表算法中对于任务节点等级较为粗糙的计算方式,并改善了对通信的调度。通过统计性调度实验,表明该任务调度算法相比传统的调度方法具有一定的优化效果。     

一种应急条件对地观测卫星成像调度方法

 通过分析CBERS系列对地观测卫星(EOS,Earth Observation Satellites)应急条件下的成像调度问题,本文提出了一种应急成像调度解决方法.首先建立问题的多目标无圈有向图模型;然后引入延迟非支配路径的概念,提出基于标记更新的成像路径搜索算法,通过限制延迟受支配路径来提高搜索效率.理论分析和实验结果表明该方法能在规定时间内有效的解决应急条件成像调度问题.     

基于非贡献网格的自适应任务调度算法研究

针对传统的Min-Min算法的高效特性和Max-Min算法的负载平衡特性,引入了资源的服务代价属性和任务的请求代价属性,以提高任务调度的时间跨度性能为目标,提出了一种面向非贡献网格(No-dedicated Grid)的自适应任务调度策略(No-dedicated Adaptive Min-Min and Max-Min,NDA-MM)。实验表明,该算法在时间跨度和可扩展性等方面的综合性能较以往算法有较大提高。     

一种基于动态聚合方法的网格任务调度算法

网格中的资源都是动态的,传统的静态任务调度算法不能适应网格的动态特性.通过对资源在未来一段时间内的状态进行预测,可以提高调度算法的性能.文中提出了一种用动态聚合进行调度的算法.首先对处理器的负载进行取样,然后根据网格任务的执行时间,对处理器的取样值进行动态聚合,再利用AR（p）模型进行预测,最后利用预测到的值作为参数对网格任务进行调度,把网格任务分配给每个处理器,使得每个处理器完成子任务的时间都相同,从而使得整个任务的执行时间最短.实验表明,这种算法能很好地适应处理器负载高度变化的情况.     

无中心式调度框架下网格作业的节点选择优化

为优化无中心式调度框架下网格作业的节点选择,提出了随机多起点爬山算法.为使多个起点均匀分布于网格,按随机选择邻居的重复次数的指数增长找出各起点.为反映合理的用户调度需求,用平均的并行计算能力加权的有界减慢率衡量节点选择.灵活调整网格工作负荷,对随机多起点爬山算法进行了全面评估.在网格负载不是很轻情况下,该算法能有效地在网格全局优化节点选择.