基于BPEL的工作流引擎调度技术研究

针对当前工作流产品不能互操作及对异构的分布环境支持不足等问题,提出了一种基于BPEL的工作流引擎调度技术,该技术以流程模型映射成的并且支持跨平台调用流程的BPEL文件的解析、定义获取当前任务的相关数据为流程引擎控制调度的基础,通过对当前节点类型的判断,后续节点的可执行性的确定,多个后续节点的同步、异步执行的确定以及多支路的选择来推动整个流程的执行.最后通过实例验证了此方法的可行性.     

基于BPEL的工作流引擎调度技术研究

针对当前工作流产品不能互操作及对异构的分布环境支持不足等问题,提出了一种基于BPEL的工作流引擎调度技术,该技术以流程模型映射成的并且支持跨平台调用流程的BPEL文件的解析、定义获取当前任务的相关数据为流程引擎控制调度的基础,通过对当前节点类型的判断,后续节点的可执行性的确定,多个后续节点的同步、异步执行的确定以及多支路的选择来推动整个流程的执行。最后通过实例验证了此方法的可行性。     

保护私有数据的云工作流调度方法

为解决云工作流中数据资源的私有性问题,提出一种保护私有数据的云工作流调度方法.针对云工作流中数据资源之间依赖关系和互斥关系并存的特点,提出扩展中国墙的云工作流私有性策略模型,对资源分配中的利益冲突问题进行精确描述;提出云工作流私有性策略描述语言,采用基于逻辑语言的分析方法,将策略形式化表达为一组逻辑规则集,通过对规则的逻辑推理可对策略的一致性进行分析和检验;基于上述策略模型和描述语言,提出保护私有资源的云工作流调度方法,并证明了该调度方法不会违背用户设定的数据资源私有性策略.     

面向价格动态变化的云工作流调度算法

为解决资源价格变动环境中云工作流任务调度开销优化的问题,提出一种基于动态规划的云工作流资源调度算法.该算法将云工作流中的任务分为多个串行任务组,然后利用动态规划算法对每组任务进行调度,计算在该任务组规定完成时间内开销最低的调度方案.通过实验,与状态图搜索算法进行了比较,在被调度的资源的价格为可变函数时,计算了四种工作流模型的调度结果.结果表明,所提动态规划算法比考虑资源平均价格的状态图搜索算法有更好的表现.     

基于并行分层的工作流调度优化算法

针对给定截止时间约束下用有向无环图描述的工作流时间费用优化问题,逆向分层算法未考虑工作流中各个任务在实际执行过程中的并行性而带来相对较多的时间碎片,提出一种基于并行分层的工作流调度算法——并发级别工作流调度算法。该算法将工作流在实际执行过程中的某个任务和其他一个(或具有依赖关系的相邻多个)并行执行的任务尽量划分到同一层,并根据各层的并行度分配冗余时间,对每层中存在具有依赖关系的多个相邻任务采用Markov决策过程算法进行时间费用优化。对平衡结构和非平衡结构的有向无环图所描述的工作流进行大量模拟实验,对比最小临界路径算法、逆向分层算法和期限顶级算法,实验结果表明所提算法具有较显著的优势。     

混合云环境下成本与隐私感知的工作流调度方法

随着大数据时代的到来,大量企业采用混合云部署应用系统。针对现有云工作流调度方法未考虑工作流多个任务间隐私保护需求的不足,构建了混合云环境下成本与隐私感知的工作流调度模型,并提出一种相应的云工作流调度算法(CPHC)。该算法可在混合云环境下调度多个云工作流应用,并在满足隐私暴露风险与截止时间约束的前提下,优化执行成本。最后,通过仿真实验说明了所提算法的有效性。     

一个简易工作流引擎的设计与实现

给出一个工作流系统的设计方案,针对工作流引擎进行详细分析,对其进行结构设计、数据库设计、过程模型设计和逻辑方法设计,最后对引擎的运行过程加以分析说明.     

一种高效工作流引擎设计

针对目前工作流引擎效率不高的问题,从实用的角度出发,提出了一个基于事件驱动的高效工作流引擎设计方法。以组件技术为基础,内存列表变量为数据存储对象,基于事件驱动,设计了一个容纳组件的工作流引擎容器,为工作流的高效运转提供了一个支撑平台,提高引擎对数据的访问速度和系统的运行效率,尤其是提高工作流管理系统可靠性及其在处理大规模复杂的且具有并行业务的流程方面的能力。该引擎操作简便、安全稳定、易于维护和移植,上线近一年来,数据量已达百万级,运行情况良好,在实际应用中得到了检验。     

基于关系数据库的工作流引擎设计与实现

探讨了一种数据库驱动的工作流引擎的实现方案;分析了中心数据库的作用,并给出了数据库模型图;从流程分配、路由选择、消息发送及监控管理方面详细分析了工作流引擎的实现机制。     

基于Petri网的轻量级工作流引擎设计与实现

工作流引擎是工作流管理系统的核心。一个可复用、可扩展的工作流引擎将极大的缩短整个系统的开发周期。该文通过将Petri网映射到工作流过程模型,提出一种基于Petri网的轻量级工作流引擎的设计与实现方法。该工作流引擎能方便地嵌入到到各种体系架构中,可以容易地进行扩展,形成完整的工作流管理系统。     

基于物流网络的工作流无集中引擎研究

在面向对象软件分析方法的基础上,研究制造业物流关系重组、扩展、变更时,物流网络再造技术和无集中的、并发的工作流引擎技术.详细给出一个基于物流网络工作流无集中引擎的模型、原理以及具体的表示和实现方法,并成功应用于实际工作中.     

基于深度学习算法的调度自动化云平台任务优化策略研究

分析了云平台任务调度的特点和目标,从任务调度算法入手,提出了基于改进粒子群算法的电力调度自动化系统的人工智能方法,开发了云计算操作的模型。基于该算法和物理模型的运行控制考虑了 QoS 要求和平台云居民的环境负载平衡,可以有效提高所提电力调度自动化系统的云平台任务调度的效率。以电力自动化云平台为分析对象,研究其架构,将修正的 PSO 算法与云资源调度模型的结构拓扑相结合,建立三级数据节点,给出了基于改进 PSO 的云平台调度模型,旨在提高云计算资源配置效率,改善云服务质量,解决电力调度自动化系统的任务调度问题。     

表单系统与工作流引擎集成设计与实现

针对产品设计任务节点的工作流过程中出现的表单设计问题,提出了表单系统与工作流引擎集成的一种设计与实现方案。产品设计过程中,表单系统需要与工作流引擎集成完成任务流转功能。针对系统集成中存在工作流节点控制表单元素权限属性、表单元素和工作流变量之间参数映射等问题,提出了工作流引擎和表单系统元素的权限属性动态配置方法,以及两者参数映射等模型。该方法成功地应用于HTC产品设计项目管理系统中的工作流引擎与表单系统集成过程,结果证明了该方案能够解决实际中存在的问题。     

基于相对效费比的网格工作流调度算法

为解决计算网格中有向无环图表示的截止期约束下的工作流时间费用优化问题,提出了一个新的启发式优化算法——相对效费比算法。该算法首先根据调度系数得到初步方案,再逐步调整,当方案完工时间小于截止期时,用时间换成本,选择成本消减最快的节点进行调整,中选服务有最大的正相对效费比值;当方案完工时间超过截止期时,用成本换时间,调整成本增加最慢服务的节点,中选服务有最大的负相对效费比值,该方法在保证截止期约束的同时能有效降低总成本。通过大量模拟实验和与最小关键路径、正向分层费用优化算法、逆向分层费用优化算法的比较,证明了相对效费比的有效性。     

解决无等待流水线调度问题的新算法

提出了解决无等待流水线调度问题的3种新算法,即离散粒子群优化算法、离散差异进化算法和阈值接收算法。离散粒子群优化算法和离散差异进化算法采用了基于工件序列的编码方式和新的个体生成方法,从而使具有连续性质的粒子群优化算法和差异进化算法能直接用于求解调度问题。仿真试验表明了上述算法的有效性。     

基于云模型BBO算法的医院管理资源调度研究

手术资源的合理调度对提高医疗资源的利用和工作效率具有重要意义。为提高手术资源的利用率和工作效率,建立医院手术室资源协调调度模型。为提高BBO算法收敛速度和避免陷入局部最优,将云模型引入BBO,提出一种基于CMBBO的医院手术资源调度模型。研究结果表明,CMBBO可以有效提高手术资源使用效率、手术服务能力,降低手术等候时间。     

基于遗传算法的云设计资源调度算法

云设计资源调度是构建云设计资源平台的关键技术之一.提出以服务请求的总响应时间、总服务成本和服务质量为目标的多目标优化调度模型,该模型以服务请求的满足度和云设计资源的最大负载为约束,同时考虑云设计资源的服务状态.依照该模型提出一种基于遗传算法的云设计资源调度算法,最后给出了该算法的应用实例.     

基于二维编码两阶段协同进化遗传算法的云工作流调度优化

针对当前启发式算法依赖于特定问题,元启发式方法存在搜索空间不完备或在完备空间上搜索效率不高,以及传统一维编码存在冗余空间等问题,提出一种基于二维编码两阶段协同进化遗传算法(TDTSGA)的云工作流调度优化方法。在TDTSGA中采用一种新的二维个体编码方法,设计了基于二维层次排序和拓扑排序的交叉变异方法,同时采用了两阶段协同进化策略。通过在各种工作流应用案例上进行广泛实验,验证了TDTSGA的优越性。     

工作流中数据流的调度控制

在分析了工作流、业务对象等基本概念和特征之后,针对过程中活动间的数据流,提出了工作流引擎和数据流的调度算法。借助工作流引擎产生的过程实例数据,把工作流引擎的控制范围延伸到人机界面上,它扩展了传统工作流引擎的调度思想,使数据之间的交互能够在受控状态下进行,改善了依靠人工检索的数据交互方式,提高了运行效率。     

可自管理的分布式工作流引擎的设计与实现

针对当前企业和政府对分布式工作流应用的需求,给出了一个基于Java管理扩展框架和观察者模式的可自管理的分布式工作流引擎的设计与实现.在该实现中,以观察者模式为主控引擎与各个执行引擎进行分布式协作.利用Java管理扩展框架通知模型和Java管理扩展框架时间服务实现观察者模式的异步特性.主控引擎充当目标对象,所有的执行引擎充当观察者并关注主控引擎的状态改变.主控引擎的调度机采用轮转法为所有的实例活动动态分配执行引擎.执行引擎通过在启动时自动注册到主控引擎,关闭时自动从主控引擎注销,实现了整个系统的可自管理性,而以工作流命名空间的形式对工作流相关数据的封装和企业级Java bean容器提供的良好的事务特性,保证了整个系统的可靠性.