基于自然数编码遗传算法的并行测试技术

针对并行测试任务调度复杂、难以优化的问题,提出了一种基于自然数遗传算法的任务调度优化算法。该算法将并行测试任务调度转化为对串行测试任务序列的搜索,为了提高搜索效率,引进自然数编码遗传算法搜索最优解或近似最优解,将串行测试序列作为染色体,进行选择、交叉、变异等操作。通过仿真证明该算法能够迅速得到并行测试任务调度的最优解或近似最优解。对自然数编码遗传算法的各个算子对模式的作用进行了理论分析,并得到了对应的模式定理,从理论上说明了该方法的合理性。     

基于信号参数集最小距离的并行测试任务调度算法

在并行自动化测试系统中,并发执行的多个测试程序会竞争有限的仪器资源,硬件资源的分配与任务调度是并行测试的一个关键问题。而现有的并行任务调度算法不适于高度异构的并行测试系统。本文在面向信号的描述仪器资源与测试需求的基础上,提出了适合于异构系统的基于信号参数集最小距离的任务调度算法,同时给出了该算法的具体实现。实验结果表明,该算法适于异构的并行测试系统。     

面向异构分布式计算环境的并行任务调度优化方法

分布式计算环境中并行作业的任务调度策略直接影响应用程序的执行时间,寻找一种使任务执行时间最短的调度方案已被证明是NP(non deterministic polynomial)完全问题。首先给出了异构分布式计算系统的形式化描述,建立了静态任务调度问题的理论体系,通过分析总结最长动态关键路径(longest dynamic critical path,LDCP)算法的核心思想及存在的不足,提出一种运用结点信息流量减少CPU空闲时间碎片的并行任务调度优化算法,其时间复杂度为O(M×N3)。实验表明改进后的算法在调度长度、加速比及计算效率3个指标上均优于LDCP算法和分层结点排序算法(sorted nodes in leveled directed acyclic graph division,SNLDD),其中,与LDCP、SNLDD相比,调度长度平均缩短19.03%、8.02%,加速比平均提升18.42%、7.96%,计算效率平均提高10.17%、3.72%,进一步提高了并行系统的资源利用率。     

网格环境下复杂过程系统优化计算服务及任务调度策略

针对目前优化计算服务缺乏对一般用户的优化计算支持和灵活的资源共享方式,提出利用网格环境、支持网络计算资源以并行的、协同的方式提供面向服务的优化功能的计算服务系统,并设计了对系统性能具有重要影响的动态任务调度算法,从而使系统能够适应复杂过程系统优化计算以及网格环境的典型特征.相应地,系统采用多任务队列的任务管理方式和计算节点组的资源管理方式,为该调度策略提供实现基础.测试结果体现了基于该调度算法的优化计算服务系统的良好性能,并为设计在该系统下高效运行的并行算法提供了参考依据.     

基于蚁群算法的并行测试任务调度

并行测试的任务优化调度是并行测试技术的核心问题.提出了一种用于解决并行测试任务调度问题的改进蚁群算法,通过该算法可以获得测试时间最短的任务调度序列.给出了并行测试任务调度问题的数学模型,设计了启发式函数和状态转移概率的计算公式.采用动态标注方法在搜索过程中加大可行解间的信息素差别,避免算法早熟.给出了应用实例,实际应用表明该算法是有效的,能很好地解决此类多维动态组合优化问题.     

基于混合遗传退火算法的并行测试任务调度优化

并行测试任务的优化调度是并行测试技术的核心问题之一。可以充分利用混合遗传退火算法优异的全局最优搜索能力来寻找具有最大并行率的并行任务序列。首先,建立了并行测试任务调度问题的数学模型;给出了并行率的定义,设计了一种满足资源约束与任务时序约束的基因编码方法及相应的遗传退火操作方案。最后,对实例进行仿真实验,结果验证了该算法的有效性及优越性。     

并行飞行训练模拟器的准动态任务调度方法

本文针对并行飞行训练模拟器任务系统的结构特点,探讨一种有效的任务调度方法.首先建立了并行计算机系统的仿真环境,用以模拟任务在系统中的实际执行过程.然后在仿真环境中进行模拟的动态任务调度,得到能够反映任务运行情况的静态任务调度方案,我们称之为准动态的任务调度.这种方法既可以象动态任务调度那样,考虑系统因竞争、同步、处理机间的通信等动态情况的影响,得到高效率的任务调度方案,又不占用任务的运行时间,增加额外的开销,具有静态任务调度的优点.同时,在仿真环境中还可以对各种同步方式,任务的分解和调度策略,以及并行计算机结构进行比较和优化.文中以Q6飞行训练模拟器为例,说明了准动态任务调度方法的原理和使用过程.     

一种能效最大化的一体化观测网络任务调度优化方法

本文研究如何合理分配资源以保障高效任务调度,进而有效提升一体化观测网络任务管理能效.通过引入平行智能的相关理论与方法,构建了人工一体化观测网络模型,综合考虑网络中传感节点与局部中心节点的联通概率,以延长网络寿命的任务调度优化为目标,设计计算实验获取能源使用效率最大化资源分配方案,通过资源分配参数的优化提高网络资源调度与分配的效率,从而提升网络中信息传输速率、减少延迟、提高任务调度效率.本文研究对于提升复杂一体化网络系统中任务调度能效具有重要意义.     

并行GSE方法及其在耦合系统优化中的应用

指出了并行全局灵敏度方程（global sensitivity equation, GSE）方法的优势,定性分析了并行GSE方法的计算性能。在ModelCenter框架下开发了通用并行GSE驱动组件(general parallel GSE driver, GPGDRV),并与优化算法相结合,基于COM技术开发了通用并行GSE优化器(general parallel GSE optimizer, GPGOPT),进而将并行GSE方法用于耦合系统优化。数值算例表明,GSE方法可以显著提高耦合系统灵敏度的求解效率。将GPGDRV和GPGOPT用于某假想的教练机方案优化设计,并与有限差分法进行计算性能定量比较,定量比较结果与定性分析相符。研究还表明,GSE方法极大地提高了耦合系统优化的效率,使优化时间缩短约76%,并行GSE方法可进一步缩短优化时间。GPGDRV和GPGOPT对于耦合系统的分析和优化具有实用性。     

时间Petri网与遗传-蚁群算法相结合的并行测试研究

自动测试系统中并行测试任务调度方案一直是尚未解决的难题.在基于Petri网理论的基础上,建立了并行测试的时间Petrl网模型,并且首次将遗传-蚁群算法引入到时间Petri网的变迁序列的寻找过程中,快速地求得了最优调度方案.仿真结果表明,该算法能够以较大的收敛概率快速地收敛,最终得到最优变迁序列.     

基于遗传编程和效用最优的网格资源调度及仿真

由于因特网的开放、动态性,传统的计算资源调度方法已不再适用网格计算.基于经济模型的网格资源管理和调度成为研究热点.针对计算市场模型中非线性效用最优化问题,提出了一种基于遗传编程改进的效用最优的网格资源调度算法.该算法使用遗传编程构造计算市场模型中的效用函数,使得计算复杂度控制为O(n).仿真结果表明该算法可以提高网格计算中的资源调度性能.     

Scheduling algorithm based on critical tasks in heterogeneous environments

Heterogeneous computing is one effective method of high performance computing with many advantages. Task scheduling is a critical issue in heterogeneous environments as well as in homogeneous environments. A number of task scheduling algorithms for homogeneous environments have been proposed, whereas, a few for heterogeneous environments can be found in the literature. A novel task scheduling algorithm for heterogeneous environments, called the heterogeneous critical task （HCT） scheduling algorithm is presented. By means of the directed acyclic graph and the gantt graph, the HCT algorithm defines the critical task and the idle time slot. After determining the critical tasks of a given task, the HCT algorithm tentatively duplicates the critical tasks onto the processor that has the given task in the idle time slot, to reduce the start time of the given task. To compare the performance of the HCT algorithm with several recently proposed algorithms, a large set of randomly generated applications and the Gaussian elimination application are randomly generated. The experimental result has shown that the HCT algorithm outperforms the other algorithm.     

可重构计算平台上软硬件任务划分与调度算法

软硬件任务划分和任务调度是保证任务集合在可重构计算平台上高效运行的重要技术。传统上软硬件任务划分与任务调度独立进行,划分方案和调度方案不一定匹配,加速效果难以保证。提出了一种将软硬件任务划分与任务调度相结合的算法。该算法综合考虑了任务的执行时间、任务间的通信开销、任务间的依赖关系以及计算资源间的并发关系,可以同时获得给定任务集的软硬件任务划分方案和任务调度方案,加速效果良好。算法开销与传统的任务调度算法相当,时间复杂度为O(V²log₂V+PVlog₂V)实验结果表明了该算法的可行性和有效性。     

一种基于动态关键路径的递归并行调度算法

并行任务在多处理机系统上的有效调度是获得系统高性能的关键所在.对BNP(Bounded Number Processors)调度问题,提出了一种新的基于动态关键路径的递归调度算法,对调度节点进行递归选择,并结合调度节点的后继任务为它选择了最佳时间槽.该算法克服了已有调度算法不能保证对动态关键任务进行最早调度这一缺点,优于现有BNP调度算法.     

多目标Flow Shop调度问题的改进TA求解算法

提出一种根据搜索进展自适应设定门槛值和邻域搜索次数的改进TA算法．对无优先级双目标FlowShop问题进行求解，并与现有启发式算法进行了比较．计算比较结果表明：所提算法可以求得稳定、高质量的解．     

求解目标是最小完成时间和的同类机调度的改进算法

研究了目标函数是完成时间和的同类机调度问题。同类机调度是一种重要的平行机调度问题,而最小完成时间和目标是最常见的规则目标一种,完成时间和的同类机调度问题在相关研究领域具有非常重要的地位。首先为此问题建立数学模型,然后提出一种改进的启发式算法,并通过实验验证了算法的性能。     

用于柔性流程工业生产调度的并行多目标遗传算法

分析了柔性流程工业区别于一般制造系统在生产调度方面的特点 ,在此基础上针对这类系统所具有的多目标、混合动力学特性、调度实时性等特征 ,提出了一种新的并行多目标遗传算法 .在解决多目标解的评价时 ,采用了目标分级评价技术 ,求解过程始终将解的最优性和决策者对目标的偏好信息结合在一起 .为反映这类问题的混合特性 ,提出了一种新的双层编码方案 .在算法中采用的递阶分解并行技术 ,使计算时间至少减少一个数量级 .计算机仿真结果表明 ,对于这一类复杂的柔性流程工业生产调度优化问题 ,本文提出的方法具有很好的实际应用前景 .     

基于蚁群算法的参数相关网格任务调度算法研究

任务调度是网格计算环境中影响系统性能的重要问题,目前大多数调度算法在调度时均把任务假定为元任务,而忽略任务间的约束关系。利用图论的思想将任务间依赖关系描述为满足一定条件的有向无环图（DAG）,通过DAG图可以精确描述任务的优先级,此外蚁群算法在元任务调度中能有效实现任务调度和负载均衡,因此在蚁群算法进行元任务调度结果的基础上,根据任务优先级对分配给资源的任务进行排序即得出了参数相关任务调度的结果。仿真结果显示,此方法在各种网格环境下均能解决相关任务的调度问题,而且保证系统的负载均衡。     

一种云计算环境下的负载调度算法

云计算数据中心的负载调度是影响云计算性能的核心,是云供应商对外提供服务,用户感受服务性能的关键所在,它直接关 系到云平台的整体性能和系统的资源利用率. 在对经典的Min-Min调度算法进行分析的基础上,结合云计算环境对Min-Min算法进行了改进. 提出了一种基于相对负载均衡的LL-Min-Min算法. 仿真实验表明,LL-Min-Min算法能够满足云计算环境下任务的多样性和不确定性的要求,可以较大地改善数据中心的负载均衡,提高集群的吞吐率.