异构多处理机系统的负载均衡与任务调度

分析了异构多处理机系统中的负载均衡和任务调度参数,讨论了异构集群任务调度模型,提出了一种负载均衡启发式优化算法(LBHOA)。LBHOA采用启发式搜索策略,每次分配一个任务时,从不完全分配的结点中选择估计值最小的结点进行扩展搜索,直到找到完全分配的目标结点,且目标结点的时间开销估计值是所有完全分配结点中最小的。实验结果表明,与算法WLCA和LTGA相比,算法LBHOA的平均应答延迟时间的开销减少了10%,任务完成时间的开销减少了15%。LBHOA降低了资源最优分配中的计算复杂度,能够满足异构集群系统中的负载平衡和优化调度的需要,使异构多处理机系统在系统资源均衡分配的同时使系统资源利用率最优。     

基于深度强化学习的资源受限条件下的DIDS任务调度优化方法

在节点性能有限的边缘计算环境下进行分布式入侵检测系统(distributed intrusion detection system, DIDS)的任务分配,是一种典型的资源受限任务调度问题.针对该问题,提出基于深度强化学习的DIDS低负载任务调度方案.该方案将任务调度过程描述为马尔科夫决策过程(Markov decision process, MDP)并建立模型的相关空间和价值函数,找到保持DIDS低负载状态的最优策略.针对状态和动作空间过大且高维连续的问题,提出通过深度循环神经网络进行函数拟合.实验表明,所提出方案可使DIDS在网络变化中动态调节调度策略,保持系统整体的低负载,而安全指标没有明显降低.     

基于有限优先级的动态调度算法

实时任务调度是实时系统中的关键问题,实时动态调度是实时调度的主要方面。当实时调度应用于实际的任务系统时,仅能使用有限的优先级数量。实时调度在理论分析时,都假设系统能够识别任意多的优先级。该文提出了在优先级数量有限的条件下的动态调度算法,给出了一个任务系统动态调度所需的最小优先级的数量的算法,并对算法的复杂性进行了分析。     

异构计算平台静态任务调度算法综述

异构计算平台由通过总线或者高速网络互联的各种处理器组成,通常应用于计算密集型应用.高效的任务调度一直是异构计算平台中实现高性能计算的关键问题之一.通常,应用可以划分为一组具有依赖关系的任务集合,可以通过有向无环图DAG模型表示.本文首先介绍了基于DAG的静态任务调度模型,然后给出了相关任务调度算法的分类及其概述,最后总...     

基于遗传算法的网格任务调度研究

将遗传算法应用于网格任务调度系统中，以实现对任务调度方案的优化。提出了一个使网格执行总任务的最大完成时间最小的优化目标函数。并使用MATLAB完成对谊算法的仿真。     

同构计算环境中一种新的静态任务调度算法

延伸了TTIG模型并提出新的算法．在模拟实验中，将此算法与MATE和其它同构环境中基于DAG的调度算法，在不同测试条件下进行了比较，结果显示该算法性能明显优于MATE，与基于DAG模型的调度算法比较而言，在性能方面各有千秋，但在算法时间复杂度方面具有显著的优势．     

嵌入式操作系统研究及开发实例

介绍了嵌入式系统的结构，分析了EOS的发展概况并列举了一些著名的EOS，展望了EOS的发展前景。     

大规模网络管理中的任务分解与调度

集中式的管理模式和简单的基于移动agent的网络管理方法都已不能满足大型网络管理的需要,为此,在给出基于多agent的网络管理框架的基础上,提出了一种基于任务依赖关系的任务分解算法,把网络管理任务分解为具有不同优先级的子任务,处于同一优先层次的子任务可以并行执行,根据子任务的优先级产生结合网络管理特点的调度策略,理论分析和实验表明:在大规模网络管理中采用任务分解技术能够提高时间效率和减轻网络负载。     

基于Agent技术的语义网格研究

网格为可靠的分布式资源共享提供了一个平台,而Agent技术为资源灵活、动态的共享提供了支持.把语义网格技术和Agent技术有机的结合起来,利用语义网格技术来辅助Agent进行有语义的协商,相反则利用Agent技术来优化语义网格的资源发现和任务调度,并引入了一种面向市场的机制来保证Agent之间的协商是动态、自治且保证最优性.     

网格计算中一种改进的启发式任务调度算法

网格计算技术是20世纪90年代出现的新兴研究领域.网格系统由异构的资源组成.网格计算中,一个好的任务调度算法不但要考虑所有任务的makespan,使其值尽量小,同样要考虑到整个系统机器间的负载平衡问题.对异构计算环境下的元任务调度算法进行了分析,针对Min-min算法可能引发的负载不平衡问题,结合网格计算环境的特点,提出了一种适用于网格计算环境中的任务调度算法.