基于GRIDSIM的网格调度Min-Min算法改进研究

本文中的网格任务调度算法是在研究异构工作流系统基于OGSA网格协同任务调度的过程中,根据网格环境中资源的可用度,在特定的相依性网格任务环境下,对经典Min—Min算法进行了部分改进,提出基于资源可用度和任务相关性的相依性网格任务映射启发式算法。在作者所设计的层次网格任务调度器中得到了较好的调度效果和调度服务质量。     

基于规则推理的实时信息物理监控系统

基于规则的CPS监控方法在降低监控复杂度和提升监控灵活性等方面具有显著优势. 目前基于规则的CPS监控方法未考虑CPS监控场景的时间约束, 仅仅利用各种优化技术来缩短监控的响应时间. 为此, 本文基于实时规则引擎建立了一个CPS的实时监控系统RTCPMS. 该系统采用Rete网络表示监控规则, 其核心是一个新的实时推理算法Rete-TC. Rete-TC算法引入了规则截止期, 通过基于优先级的Beta节点调度方法, 使得CPS监控的时间约束尽可能地被满足. 模拟实验与智慧建筑应用案例验证了RTCPMS系统的有效性, 且实验结果表明其核心算法Rete-TC的调度成功率优于传统的规则推理算法Rete.     

基于本体的应急救援知识库构建及其应用

针对专家系统在应急救援领域应用中存在的知识表示及推理等问题,采用基于本体的知识表示方法与基于Jena的规则推理引擎,参考简单知识工程方法论与Jena规则语法建立一个高速公路应急救援本体与推理规则,实现本体知识库的推理。将该知识库应用于高速公路应急救援系统中,结果表明其具备解决实际问题的能力;有利于领域知识的共享与重用;促进了专家系统在高速公路应急救援领域的发展。     

基于异构Flink集群的节点优先级调度策略

Flink流处理系统默认的任务调度策略在一定程度上忽略了集群异构和节点可用资源,导致集群整体负载不均衡。研究分布式节点的实时性能和集群作业环境,根据实际作业环境的异构分布情况,设计结合异构Flink集群的节点优先级调整方法,以基于Ganglia可扩展分布式集群资源监控系统的集群信息为依据,动态调整适应当前作业环境的节点优先级指数。基于此提出Flink节点动态自适应调度策略,通过实时监测节点的异构状况,并在任务执行过程中根据实时作业环境更新节点优先级指数,为系统任务找到最佳的执行节点完成任务分配。实验结果表明,相比于Flink默认的任务调度策略,基于节点优先级调整方法的自适应调度策略在WorldCount基准测试中的运行时间约平均减少6%,可使异构Flink集群在保持集群低延迟的同时,节点资源利用率和任务执行效率更高。     

TinyOS中基于优先级的软实时任务调度

TinyOS是一个开源的构件化操作系统,它采用构件化描述语言NesC进行开发,主要针对资源非常有限的无线传感器网络节点而设计。本文分析了具有代表性的无线传感器网络操作系统TinyOS的调度机制并指出其不足。在此基础上提出了改进方案并实现了基于优先级的调度策略。针对其在实时应用领域的调度缺陷,设计了一种软实时任务调度构件。从实际系统GAINS节点中应用的结果可知,该改进方法能很好地改善无线传感器网络通信性能。     

基于改进遗传算法的云计算任务调度方法

云计算环境中可能存在大量的计算节点与不确定性因素,需要进行大规模的任务调度和管理,增加了调度的复杂度和难度。为了满足任务调度的实时性需求,降低过程中产生的能耗,提出一种基于改进遗传算法的云计算任务调度方法。对不同的任务属性进行结合,重新设定各个云计算节点的任务属性,并计算节点的综合属性值。根据计算结果以全部任务完成时间最小化作为调度目标,构建云计算任务调度模型。改进传统遗传算法,优化种群的初始形成方式,通过改进后的遗传算法求解调度模型,判断获取的解是否满足终止条件,如果满足直接输出最优云计算任务调度方案,实现云计算任务优化调度。由实验结果可知,该方法的任务调度完成时间较低,其调度时间最高值仅为16 min,说明该方法能够满足任务调度的实时性需求,且能耗较低,能够实现任务的高效执行和资源的合理利用。     

GPU/CPU异构系统任务节能调度方法仿真

研究GPU/CPU异构系统任务调度的节能问题.与传统同构体系结构相比,异构系统任务调度呈现较大的随机性和不定性,GPU/CPU异构系统中时间间隙片段呈现了较大的随机性,导致传统调度方法很难建立规则的描述时间片段的模型,调度能耗较高.为解决上述问题,提出了一种改进功耗优化的GPU/CPU异构环境下的任务调度算法,将任务关系图按照依赖关系计算量拆分,并分配到计算节点.在计算节点内根据权重法的思想,统计所有计算节点的处理情况,进而将节点内的子任务调度到合适的处理器.实验结果表明,在不影响应用性能的前提下,降低了异构系统的能耗开销,优化效果明显.     

某演练评估系统中云计算任务调度研究

研究合同战术演练评估系统应用中的云计算任务调度问题。针对目前的云计算调度算法研究大都是基于通用性或者商业需求,对军事应用特点考虑不多,应用到合同战术演练评估系统中无法满足系统对于调度实时性等性能的要求的问题,通过分析云计算的任务调度特点,引入数据存储节点优先和节点效能的概念提出了一种改进的基于负载均衡的任务调度算法,算法减少了数据存取时间并采用节点效能的概念能更准确地描述主机性能。仿真结果验证了改进后的算法在任务数量增大时任务执行的速度有所提升,能更好地满足合同战术演练评估系统复杂度和规模增大对实时性的需求。     

基于等价类推理的几何自动推理网

为了提高推理引擎的推理效率,将Rete算法和等价类推理技术整合到基于规则的几何自动推理系统中,构造一种新的推理引擎,即基于等价类推理的几何自动推理网.采用Lisp语言实现该推理引擎,并做了50多个非平凡几何定理的实验,实验结果表明该推理引擎具有更高的推理效率.     

多租户高可用并行任务调度框架

描述了一种多租户高可用并行任务调度框架MTHPT的设计思想、体系结构和实现技术,MTHPT包括3部分：任务定义与配置、异步并行任务调度模式、消息告警与监视.任务调度引擎和任务执行组件采用分开部署、异步并行调度和快速回调的模式,快速释放调度引擎占用的线程资源,解决了部分任务执行周期长、定时任务无法按时执行等影响业务系统性能的问题.任务调度配置提供了多租户应用模式.实验分析及评估表明,MTHPT提高了应用系统的任务调度并行调度效率和稳定性.     

基于CLIPS的卫星任务规划专家系统设计

本文提出了基于CLIPS的卫星任务规划专家系统的设计方法,详细分析了系统的结构和功能,重点讨论了中文产生式系统的BNF范式、基于上下文的推理机制和集合运算符。中文产生式系统的BNF范式基于CLIPS标准BNF范式定义,并依据BNF范式进行规则表示和规则自定义获取;推理机采用上下文限制的规则控制策略,依据不同的上下文加载相关的事实和规则,提高推理机的运行效率;利用规则中的对象逻辑子式进行了集合运算符的设计,并对极值运算符、属性差值运算符和均值运算符等三类集合运算符进行了探讨。该系统解决了卫星任务规划中知识表示和知识获取问题,提高了卫星任务规划推理效率,为卫星任务规划人员提供有效的辅助决策功能。     

基于卫星的电力应急通信网

基于卫星的电力应急通信网是保障电力系统业务数据可靠调度的重要一环.根据电力调度数据网实际组网情况,提出了一种基于VAST卫星网络架构电力应急通信网的方案,实现了在地面传输链路发生变化时,数据业务能够在电力调度网和卫星网络之间自动切换及恢复的机制.最后,通过在贵州电力调度数据网的测试验证了该方案的可行性.     

卫星的智能规划与调度

以对地观测卫星为例，分析卫星的结构功能和飞行任务的特点，并在此基础上建立卫星智能规划与调度系统。规划与调度系统由卫星模型和推理机组成，其中模型描述卫星结构功能和各种约束条件，推理机分析并解决这些约束条件，形成一个没有冲突的飞行计划。规划与调度系统还具有修正计划的能力，能满足任务删除、更改和新任务插入等需求。     

基于推理的作战方案评估系统研究

根据作战方案评估要素对评估系统的要求进行了系统功能需求分析,根据该分析设计了作战方案评估系统的总体架构,采用面向对象知识表示法构建了评估系统的知识库,设计了基于规则推理方法的系统推理机,并给出了解释子系统的解释机制。该系统能够利用军事专家的经验和军事决策规则对作战方案进行评估,降低了人的主观因素对评估结果的影响,同时提高了评估结论的可信度。     

基于可拓规则的故障诊断专家系统推理机的研究

针对传统产生式规则在知识表示、匹配冲突等方面存在的局限,提出了一种将可拓规则用于故障诊断专家系统推理机的方法;该方法重点研究了可拓规则的匹配原理和可拓推理机算法思想,提出了匹配度计算方法并用来计算故障条件与规则前件的匹配度;根据研究表明,利用可拓规则进行推理,不仅在知识表示上比传统产生式规则推理有所提高,而且还解决了传统专家系统容易出现匹配冲突等问题;最后以AMU故障推理为例,说明可拓推理机具有推理速度快、效率高等优点,取得了较好的推理效果.     

基于本体的民航应急决策知识表达与推理方法研究

针对民航突发事件应急决策知识表达与管理中的问题,利用本体技术在知识获取和建模方面的优势,本文设计了一个基于领域本体的民航突发事件应急决策知识推理模型;以民航突发事件应急预案、应急案例、应急资源和应急规则等应急知识为基础,构建了民航应急管理领域词典,采用领域本体四元组建模方法给出了基于领域词典的本体构建过程;运用SWRL规则语言建立了民航突发事件应急决策所需的基本规则,采用Protégé本体编辑工具和Jena推理机实现了基于本体的规则推理,为民航突发事件应急决策知识的管理与应用提供了良好的方法与技术支持。     

基于大数据的环境应急指挥平台并行调度的设计与实现

针对当前以大数据环境为基础的应急调度平台中,海量数据顺序化调度存在冲突的问题,提出基于并行调度思想的平台设计方法。将环境应急指挥平台分为应急信号接收和应急处置2个阶段,对包括主控制器、单兵系统、应急通信车、收发器电路、模数电路等器件进行自适应的并行调度方法设计,引入模糊层次调度方法,由此解决顺序调度中的冲突问题。实验测试结果显示,所设计的平台具有较高的通信传输性能和应急处置性能。     

Fuzzy rule generation for adaptive scheduling in a dynamic manufacturing environment

This paper proposes a fuzzy rule-based system for an adaptive scheduling, which dynamically selects and applies the most suitable strategy according to the current state of the scheduling environment. The adaptive scheduling problem is generally considered as a classification task since the performance of the adaptive scheduling system depends on the effectiveness of the mapping knowledge between system states and the best rules for the states. A rule base for this mapping is built and evolved by the proposed fuzzy dynamic learning classifier based on the training data cumulated by a simulation method. Distributed fuzzy sets approach, which uses multiple fuzzy numbers simultaneously, is adopted to recognize the system states. The developed fuzzy rules may readily be interpreted, adopted and, when necessary, modified by human experts. An application of the proposed method to a job-dispatching problem in a hypothetical flexible manufacturing system (FMS) shows that the method can develop more effective and robust rules than the traditional job-dispatching rules and a neural network approach.     

A comparison of machine-learning algorithms for dynamic scheduling of flexible manufacturing systems

Dispatching rules are frequently used to schedule jobs in flexible manufacturing systems (FMSs) dynamically. A drawback, however, to using dispatching rules is that their performance is dependent on the state of the system, but no single rule exists that is superior to all the others for all the possible states the system might be in. This drawback would be eliminated if the best rule for each particular situation could be used. To do this, this paper presents a scheduling approach that employs machine learning. Using this latter technique, and by analysing the earlier performance of the system, ‘scheduling knowledge’ is obtained whereby the right dispatching rule at each particular moment can be determined. Three different types of machine-learning algorithms will be used and compared in the paper to obtain ‘scheduling knowledge’: inductive learning, backpropagation neural networks, and case-based reasoning (CBR). A module that generates new control attributes allowing better identification of the manufacturing system's state at any particular moment in time is also designed in order to improve the ‘scheduling knowledge’ that is obtained. Simulation results indicate that the proposed approach produces significant performance improvements over existing dispatching rules.     

Prolog/Rex inference engine

Abstract: Prolog/Rex supports the construction of knowledge-based systems, allowing frames (Prolog/Rex concepts) and rules to be combined, and providing language level support for hypothetical reasoning and assumption-based truth maintenance (Prolog/Rex viewpoint mechanism). To increase run-time performance during rule execution, Prolog/Rex provides two complementary rule compilation techniques: the simple indexing scheme and the heavily modified Rete expansion method. To improve the efficiency of the inference engine, we built an agenda-based rule manager that uses priority mechanism and/or heuristics embedded in meta-rules to control the rule firing order. Forward- and backward-chaining can be combined within the same program.