基于Min-Min改进后的网格调度算法

根据现有网格计算中的任务调度算法,深入分析了传统的Min-Min算法,指出该算法中存在的负载不平衡的缺陷.针对这一缺陷,提出改进算法Sect-Min,该算法采用"分段"的思想,把任务分成若干小任务后再分别进行调度.使用Matlab进行模拟仿真,结果证明了改进后算法的合理性和有效性.     

网格资源调度算法的负载均衡及性能分析

网格系统由大量的异构资源组成，其目的是要实现资源的全面共享和协同工作．因此资源调度问题已经变得越来越重要。文章对各类经典的静态调度算法和动态调度算法进行资源调度的仿真．并对各算法的运行结果进行负载均衡和性能的比较分析。     

基于改进遗传算法的网格资源调度算法

网格计算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。提出一种基于改进遗传算法的资源调度算法，该算法综合考虑了资源任务分配量以及任务完成时间，从而设计出良好的交叉和选择算子，既能够保留完成时间比较小的个体又能够保留具有一部分优秀资源分配方式的个体．算法具有较好的效率和收敛性。     

基于多属性QoS约束的网格资源调度算法研究

本文以Min-Min调度算法为基础,以提高调度过程中的用户满意度为目的,提出了改进的Min-Min算法DQ(double QoS)。在DQ算法的基础上,采用进一步细化QoS参数和划分任务权值的方法,设计了多属性QoS约束的调度算法(multi-QoS constraints scheduling algorithm,MQCSA)。该算法通过选取任务的完成期限和网络带宽属性以及完成任务所需的CPU参数,有效地解决了不能预期完成的任务占用网格资源的问题。采用GridSim工具包模拟了相关的调度算法,验证了DQ算法和MQCSA的效率。     

基于改进蚁群算法的云资源调度研究

如何同时满足数据资源的高效利用和使用者对运营商提出的QoS请求已经成为了当下的研究热点,提出使用改进蚁群算法对云资源的的调度进行研究.研究将云计算特征与蚁群算法相融合并通过仿真实验的方式进行验证.研究结果表明:基于改进蚁群算法的调度策略与基本蚁群算法相比,运行时间更短、平均费用更低、可靠性更高、总体效用更高、DI值更好...     

基于蚂蚁算法的网格作业调度研究

网格环境下的作业调度是一个NP难问题,蚂蚁算法内在的并行性和可扩充性使其非常适合网格作业调度。将蚂蚁算法应用于网格环境作业调度,提出一种通过作业代理的移动进行网格作业调度的方案,该蚂蚁算法不仅在分配网格计算资源时进行信息素的局部更新,还在网格计算资源完成作业后进行信息素的整体更新。通过模拟实验测试和选取蚂蚁算法的各种影响参数,取得了比较理想的实验结果。实验证明该算法能够有效地实现作业的合理调度和网格系统的负载平衡。     

校园计算网格作业自适应调度的研究和实现

由于网格资源具有分布、异构、动态、自治等特性。使得网格作业调度成为网格计算中具有挑战性的任务之一。针对校园高性能计算资源负载不均衡、管理模式不统一的问题，提出了校园计算网格自适应调度系统的解决方案。详细研究了网格作业的白适应调度技术，设计了含有负载均衡能力的资源动态信息收集模型，并给出自适应调度算法。实现了校园范围内高性能计算资源的负载均衡和统一的资源管理。     

军用网格环境下基于优先权的Min-Min任务调度算法

军用网格环境下的资源调度与一般网格环境下的资源调度相比较，一个明显的特点就是必须考虑一些特别任务的优先级。在给出网格独立任务调度模型基础上，提出了一种基于优先权的Min—Min资源调度算法，该算法首先调度优先级高的任务，其余任务则采用Min—Min算法调度。经过分析，该算法的时间复杂度是O（n^2m），与Min—Min相比，该算法的Makespan可能略大，但可以满足军用网格环境下特殊任务优先执行的需求。     

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。     

移动网格中任务分组的调度算法研究

针对移动网格中任务量大的调度问题,考虑同一网格域中有限的网格资源且资源的能量受限因素,提高移动网格的任务执行成功率和资源利用率就尤为重要。改进Min-Min算法,首先对大量任务分别按照指数、线性、对数方式进行分组,确定各组任务数,然后再利用移动终端能量受限和Min-Min算法结合的Energy Min-Min算法(即E-mm算法)进行调度。通过仿真验证分析,该改进算法相对于Min-Min算法,提高了任务执行成功率,并且系统负载均衡效果也得到明显改善。     

改进的Min-Min网格任务调度算法

在网格环境中,如何对任务进行高效调度是当前研究的热点问题。目前Min—Min调度算法是一个简单、快速、有效的算法。但它很难满足网格任务对服务质量的要求。在独立型的任务调度模型的基础上,提出了一种基于权值的改进Min—Min调度算法。改进后的算法通过量化网格任务的优先级和等待时间,解决了原有算法存在的高质量任务和大任务等待时间过长的问题。仿真实验结果表明,改进后的算法满足了网格任务对优先级和等待时间的服务质量要求．是一种网格环境下有效的任务调度算法。     

一种多属性网格任务调度算法及仿真研究

为使网格任务调度时能更多地考虑任务和资源之间的各种属性.通过对常用静态调度算法的分析,吸收了Min-min和Max-min等算法的思想,将影响网格任务调度的诸多属性归纳为两类因素.提出了一种针对多属性任务的调度算法MASA,经过截断处理、归一化、加权计算等方法得出任务与资源之间的匹配矩阵,指导任务调度.仿真实验测试结果表明,在相同任务和资源环境下,通过改变不同属性的加权系数能得到所期望的调度结果,使具有高加权系数属性的任务在调度时更具优势.此算法具有灵活性,属性可增可减,能根据具体情况进行配置,以满足具体应用需求.     

基于粒子群的网格任务调度算法研究

为了更好地解决异构动态环境下的资源管理问题,提出了一种网格环境下的任务调度模型。该模型考虑了当前网格虚拟组织下的计算资源、存储资源和带宽资源,模型的最优化目标是实现三者利用率最高和代价最低,即构造min-max函数。与遗传算法相比,利用粒子群优化算法对min-max函数求解提高了资源的利用率和任务的执行效率,同时在随着迭代次数增加的情况下,搜索速度、寻优率和避免早熟方面也有明显的提高。     

基于经济机制的网格资源调度分析

为了解决传统的基于系统性能的网格资源分配方法扩展性问题,分析了在网格资源管理中采用经济调度的优势,对基于价格机制和基于纳什均衡的经济调度方式以及相应模型、调度算法进行阐述,介绍基于经济调度的网格资源管理系统的代表性项目,指出了经济调度方式所面临的问题和发展方向。     

云计算资源调度算法的研究与实现

在研究蚁群算法、任务分配和资源调度的基础上,提出了一种改进的蚁群资源调度算法.首先通过引入节点可信度机制在一定程度上增强了云计算资源的搜索能力和节点完成任务的成功率.然后在改进的算法中使用了信息素的局部更新机制和全局更新机制,可以有效地平衡负载.最后通过选取合适的参数利用CloudSim仿真工具对改进的资源调度算法进行实验测试,实验结果表明此算法缩短了任务的执行时间,改善了云计算资源调度的性能.     

求解不确定资源约束下的模糊调度算法

以排序健壮性最大为优化目标对不确定资源约束下的模糊调度问题进行了研究,设计了编码形式为任务链表的遗传算法求解该问题,并通过具体实例验证了算法的有效性.     

一种基于多点协作的上行资源调度方式

介绍了基于多点协作的上行资源调度方式。从边缘用户与中心用户判定、无线资源分配模式选择、天线设置与接收数据处理和系统仿真结果四个方面进行了论述。重点分析了中心用户与边缘用户区分标准的设定和资源分配、频选模式的频选度量值设定以及多点协作方式的联合接收数据处理等问题。仿真结果表明,通过合理设置和调整系统的控制参数,多点协作可以有效地降低系统误码率、提升系统吞吐量。     

Hadoop中任务调度算法的改进

针对Hadoop0.20.0中任务调度算法存在的不足,提出一种基于改进遗传算法(IGA)的任务调度算法。IGA算法对初始化种群、交叉和变异操作进行了一些改进,并引入了最优保留策略和加速进化策略。通过仿真实验将此算法与Hadoop现有算法进行比较,实验结果表明,此算法优于Hadoop现有算法,是一种有效的任务调度算法。     

Task scheduling algorithm for system-wide information management based on multiple QoS constraints

An ant colony optimization task scheduling algorithm based on multiple quality of service constraint (QoS-ACO) for SWIM was proposed.Focusing on the multiple quality of service (QoS) requirements for task requests completed in system-wide information management (SWIM),considering the task execution time,security and reliability factors,a new evaluate user satisfaction utility function and system task scheduling model were constructed.Using the QoS total utility evaluation function of SWIM service scheduling to update the pheromone of the ant colony algorithm.The simulation results show that under the same conditions,the QoS-ACO algorithm is better than the traditional Min-Min algorithm and particle swarm optimization (PSO) algorithm in terms of task completion time,security,reliability and quality of service total utility evaluation value,and it can ensure that the user's task scheduling quality of service requirements are met,and can better complete the scheduling tasks of the SWIM.     

车路通信环境下TD-LTE无线资源调度建模与仿真

为了改善现有车路通信方式覆盖范围小、交付时延大和传输速率低的现状,将TD-LTE技术引入车路通信接入系统。提出了基于TD-LTE的车路通信接入系统无线资源调度模型;构建了车路通信仿真场景,对比例公平算法、指数比例公平算法和改进的最大权重时延优先算法进行性能分析。仿真结果表明:车辆低速移动场景下,系统负载较低时指数比例公平算法性能较好,系统负载较高时改进的最大权重时延优先算法表现更优,比例公平算法不适合车路通信多媒体业务流调度;车辆高速移动场景下,三者都不适合车路通信多媒体业务流调度。