Implementation and performance evaluation of a scheduling algorithm for divisible load parallel applications in a cloud computing environment

Cloud computing is an emerging technology in which information technology resources are virtualized to users in a set of computing resources on a pay‐per‐use basis. It is seen as an effective infrastructure for high performance applications. Divisible load applications occur in many scientific and engineering applications. However, dividing an application and deploying it in a cloud computing environment face challenges to obtain an optimal performance due to the overheads introduced by the cloud virtualization and the supporting cloud middleware. Therefore, we provide results of series of extensive experiments in scheduling divisible load application in a Cloud environment to decrease the overall application execution time considering the cloud networking and computing capacities presented to the application's user. We experiment with real applications within the Amazon cloud computing environment. Our extensive experiments analyze the reasons of the discrepancies between a theoretical model and the reality and propose adequate solutions. These discrepancies are due to three factors: the network behavior, the application behavior and the cloud computing virtualization. Our results show that applying the algorithm result in a maximum ratio of 1.41 of the measured normalized makespan versus the ideal makespan for application in which the communication to computation ratio is big. They show that the algorithm is effective for those applications in a heterogeneous setting reaching a ratio of 1.28 for large data sets. For application following the ensemble clustering model in which the computation to communication ratio is big and variable, we obtained a maximum ratio of 4.7 for large data set and a ratio of 2.11 for small data set. Applying the algorithm also results in an important speedup. These results are revealing for the type of applications we consider under experiments. The experiments also reveal the impact of the choice of the platforms provided by Amazon on the performance of the applications under study. Considering the emergence of cloud computing for high performance applications, the results in this paper can be widely adopted by cloud computing developers. Copyright © 2014 John Wiley & Sons, Ltd.     

面向不确定目标的多无人机协同搜索控制方法

目标搜索是多无人机协同控制的重要研究内容。多架UAV(Unmanned Aeiral Vehicle)同时对一个未知区域进行搜索,目的在于获取搜索区域的信息,尽可能多地发现目标。针对不确定目标的搜索问题,研究多无人机协同搜索控制的新方法。建立多UAV运动模型,用目标存在概率对搜索环境进行描述,给出基于Bayesian准则的搜索环境更新方法,考虑了环境探测回报、目标发现回报和无人机协同回报,采用MPC实现对多目标优化问题的迭代求解。通过仿真实验和对比分析,证明了该方法具有更好的搜索性能。     

旋翼飞行机器人研究进展

旋翼飞行机器人是面向空中自主作业需求,将旋翼飞行器与多自由度机械臂相结合所提出的新型机器人.该机器人作业过程中旋翼飞行器、机械臂与作业目标之间的动态相对运动以及与作业目标接触过程中未建模外力、力矩扰动使自主控制受到极大挑战.本文将针对旋翼飞行机器人的结构演变及关键技术、作业机构集成技术进行综述.从动力学建模及动力学特性分析、动态运动约束/力约束下的协调规划、非结构环境下的运动和作业控制、面向任务动态操作的环境感知、面向任务的实验系统构建与实验验证五个方面初步构建了旋翼飞行机器人自主作业理论体系.     

水上无人机自主着水控制系统设计

针对水上无人机在高海况下的着水问题,本文在分析了不同着水阶段特性的基础上,提出了一种自主着水控制系统设计方案.该方案将整个系统分为速度控制子系统和姿态控制子系统.速度控制子系统包含速度动态逆控制器和油门切换模块,姿态控制子系统包含海浪滤波器俯仰角反步控制器、高度PID控制器、俯仰角切换模块和T-S模糊推理模块.其中,海浪滤波器能有效滤除受扰姿态角中的海浪高频扰动,避免了着水之后舵面的频繁抖动;俯仰角反步控制器采用指令滤波的反步法设计,有效缓解了高海况下的舵面饱和问题.最后,在不同海况条件下进行了仿真.仿真结果表明所设计的控制系统具有良好的控制性能.     

基于集散式模型预测控制的多无人机协同分区搜索

针对多无人机在对大范围目标区域执行协同搜索任务时搜索资源分配不均、容易因频繁转场造成资源浪费等问题,借鉴集中式控制和分布式控制结构的优点,建立了集散式多无人机(unmanned aerial vehicle,UAV)协同搜索结构体系,通过聚类分析和V图划分等方法对目标区域进行分区,结合各子区域任务特点对无人机群进行搜索任务分配,并采用一种经改进后可有效增大UAV预测范围的预测控制模型,研究了动态环境下多UAV集散式协同分区搜索问题,最后,将所提方法与常见几种协同搜索方法进行对比仿真,获取仿真结果验证了所提方法在目标发现概率和搜索效率方面的有效性和优越性.     

输入有约束时的飞翼布局无人机姿态控制

针对大展弦比飞翼布局无人机的刚体运动与弹性运动耦合动力学模型,研究了输入有约束时的无人机姿态控制问题,提出了一种采用扩张状态观测器的反步滑模控制方法.首先,采用扩张状态观测器实时估计气动弹性模态和外界未知干扰的影响,并引入跟踪微分器避免了控制律中项数膨胀问题.然后,针对飞翼布局无人机多操纵面的配置和输入约束,给出了基于LMI的在线舵面分配算法.最后,针对指令滤波和输入约束情况下控制指令的滞后问题,设计了辅助补偿器对控制指令进行补偿.根据Lyapunov稳定性理论证明了该控制方法能够保证姿态跟踪误差收敛至有界,仿真表明存在复合干扰和输入约束时该方法具有良好的姿态跟踪性能.     

基于自适应神经网络的AUVs路径跟踪控制

为解决由于随时间变化水动力阻尼引起的参数变化和不确定性的问题,提出了基于径向基函数神经网络的未知评估算法,引入自适应算法以保证神经网络权值的最优评估.基于Lyapunov稳定性理论,设计一种自适应神经网络控制器以保证路径跟踪系统中所有误差状态都趋于稳定.为了验证该控制器的可行性,对系统施加如位置误差、方向误差等虚拟干扰,证明该控制器可将误差消减为零.另一方面,机器人在以恒定的速度行驶时,每个航点被指定一个适合半径的圆弧可以保证其有较高的精度.为了评估路径跟踪控制器的性能,提出直线型和直线加圆弧型路径方案.仿真结果表明,该控制器可以有效地消除机器人非线性和模型不确定性造成的干扰.     

无人机空中加油过程中分数阶滑模会合导引控制

针对带末端角度和末端速度约束的无人机空中加油自主会合问题,设计了一种3维分数阶滑模导引律,使无人机在无加油机主动配合的情况下具备自主会合能力.首先,根据无人机与加油机之间的相对运动关系,设计了3维比例导引规律,使无人机能够到达期望的加油位置.其次,利用滑模控制的强鲁棒性特点以及分数阶微积分的精细控制特性,基于变结构理论和李雅普诺夫稳定性理论设计了一种带有末端角度约束的3维分数阶滑模变结构控制律,并用所设计的分数阶滑模控制律对3维比例导引指令进行重构,使无人机能以期望的末端追踪角度到达加油位置.然后,构造了速度指令生成器,对无人机的末端速度进行约束.最后,对所设计的导引律进行了仿真验证,仿真结果表明所设计出来的导引律能满足追踪角度和速度约束的要求.     

移动无线传感器网络连通性自主恢复算法

无线传感器网络(WSNs)中关键节点故障会将网络分割成多个不连通的分区,给网络性能带来严重影响.而无线传感器网络往往布置在人工难以干预的偏僻恶劣环境中,网络连通性的自主恢复尤其重要.提出一种自主网络分区检测和连通性恢复(APDCR)策略,容忍无线传感器网络中关键节点的故障.APDCR首先基于1跳邻居和部分2跳邻居信息提出一种新的关键节点识别算法,然后给出关键节点的备用节点的选取算法和网络连通性恢复算法,最后扩展算法处理两个节点同时故障时网络不连通问题(2-APDCR).模拟实验结果表明了算法APDCR的有效性.     

LDPC码在基于FH-FSK的AUV水声通信系统中的应用

水声信道严重的多途干扰和频率选择性衰落,将增加水声FH-FSK系统的平均误码率.此外,由于自主式水下交通工具(AUV)平台的运动特性,接收信号易产生时间选择性衰落,在接收端产生成串的突发错误甚至导致通信的中断.以上两方面因素将降低移动FH-FSK系统的可靠性,针对此问题,将多元低密度奇偶校验(LDPC)码与FH-FSK系统相结合,提出了一种基于多元LDPC码的水声FH-FSK系统.对比了基于二元LDPC码的FH-FSK系统与基于卷积码的FH-FSK系统的抗干扰性能,实验结果表明:前者具有更强的抗干扰能力.对比了基于多元LDPC码的FH-FSK系统与基于二元LDPC码的FH-FSK系统,仿真与实验结果表明:基于多元LDPC码的FH-FSK系统具有更强的抗干扰能力,可以进一步提高FH-FSK系统的可靠性.