基于异构环境的子任务可分解调度策略研究

针对异构环境下具有数据依赖关系的任务随着业务量增加时,子任务处理时间急剧增长及计算机资源得不到充分利用的问题,提出了子任务可以分解的调度策略,此调度策略根据子任务在DAG的层次关系逐层调度,利用子任务可分解的特性,将DAG图中的一些可分解的子任务分解成一棵2层的m叉树,从而使得系统能够动态调整计算机的负载,并使得系统中各台计算机的负载保持平衡,其效率得到了明显的提高.     

Min-Min调度算法的研究与改进

在动态、异构的网格环境中,任务调度是复杂并且极具挑战性的一个问题。在分析任务调度算法的基础上,着重研究了经典的Min-Min调度算法,分析了Min-Min调度算法的缺陷,即负载不均衡,并且不能从经济的角度来实现调度。针对负载均衡和经济这两方面来对Min-Min调度算法进行改进,提出了基于价格改进的Min-Min调度算法,分析表明,改进后的算法在一定程度上平衡了负载,并且节省了一部分费用,说明了算法的可行性。     

一种改进型Min-Min调度算法

依据经典Min-Min调度算法,针对网格任务本身以及资源的属性,采取了具体化属性参数的方法,选取具有代表性的相关属性,设计了约束函数和优先权模型,从不同角度改进算法,提出了P-Min-Min调度算法。将调度算法仿真结果中的若干数据进行了系统的比较和分析,从而验证了改进的调度算法在解决类似问题的有效性。     

云环境下任务调度算法对比研究

云计算是完全基于互联网的新兴技术。云计算环境中的任务调度问题一直都是该领域的研究热点。合理高效的任务调度算法在云环境中能有效的缩短任务完成时间,提高系统负载均衡,更好的满足用户与云提供商的需求。本文研究了云平台的任务调度机制,探究了任务调度过程中的关键性指标。通过云仿真平台CloudSim实现并分析了顺序调度算法、Min-Min算法和Max-Min算法,对比其在随机生成用户任务负载与虚拟机计算资源的情况下的任务完成时间,实验证明Min-Min算法与Max-Min算法均优于顺序调度算法。以此为未来研究提供实验支撑和方向。     

网格计算中Min—Min算法及改进算法的研究

讨论了Min-Min算法、QoS guided Min—Min算法以及基于任务优先级的QoS guided Min-Min算法,并分析了实验仿真结果。     

云环境下基于Min-Min改进的任务调度算法

在Min-Min的基础上,针对所存在的缺陷,提出了一种负载均衡的改进算法.仿真实验表明,在一定条件下,改进后的算法比传统的算法有一定的提高.     

改进的Min-Min算法研究

任务调度是网格系统中重要的一环,而任务的调度算法更显得是重中之重。本文对Min-Min算法进行分析,指出Min-Min算法存在的不足。结合网格任务调度的目标,分别从最优调度、负载均衡、服务质量、价格费用4方面提出几种改进的Min-Min算法,重点介绍算法思路,指出算法的优缺点,为以后的改进工作提供参考。     

集群中基于资源可用度的作业调度

提出一种基于资源可用度的集群作业调度算法,综合考虑资源的历史记录和当前的资源信息。基于资源可用度评价方法,改进原有的Min-Min算法。采用GridSim对算法进行模拟实验,并与Min-Min算法进行了对比。模拟实验结果显示,基于可用度的作业调度算法提高了集群的效率和作业的完成效率,缩短了作业的平均完成时间。     

Dev_Min-Min:一种基于最小偏差的网格调度算法

针对独立任务调度的负载均衡和高吞吐率原则,提出基于Min-Min算法的最小完成时间偏差调度算法（Dev_Min-Min）,算法构造了调度完成时间的偏差矩阵,根据任务的偏差调度任务.Dev_Min-Min算法克服了Min-Min算法追求局部最优的贪心算法思想的局限性.实验数据表明,与被作为评测基准的Min-Min算法相比,Dev_Min-Min算法能在各种网格环境中有效降低调度跨度、提高负载均衡度,在异构环境中调度性能提高更加明显.     

基于Min-Min遗传算法的网格任务调度方法

针对网格环境异构、分布等特点,在现有的任务调度算法的基础上,结合Min-Min算法和遗传算法的优点,提出了一种基于Min-Min遗传算法的任务调度方法。仿真实验表明：在网格环境下,该算法具有合理性和高效性。