基于比例区分服务的端到端传输控制

随着网络技术的不断发展,许多新的网络应用需要端到端的服务质量保证。为了解决端到端的服务质量保证和系统公平性等问题,该文提出了一种基于比例区分服务的网络比例公平调度策略——nPFS策略。该调度策略综合考虑了网络效率、用户服务质量要求和系统公平性等多个性能目标,使用比例公平性原则,有效地实现了多性能目标的端到端传输控制,同时保证系统的公平性。实验结果表明:该文提出的网络比例公平调度策略,可以有效保证多服务类间的比例公平,特别是端到端的服务质量比例公平性。     

An Energy-Saving Task Scheduling Strategy Based on Vacation Queuing Theory in Cloud Computing

High energy consumption is one of the key issues of cloud computing systems. Incoming jobs in cloud computing environments have the nature of randomness, and compute nodes have to be powered on all the time to await incoming tasks. This results in a great waste of energy. An energy-saving task scheduling algorithm based on the vacation queuing model for cloud computing systems is proposed in this paper. First, we use the vacation queuing model with exhaustive service to model the task schedule of a heterogeneous cloud computing system.Next, based on the busy period and busy cycle under steady state, we analyze the expectations of task sojourn time and energy consumption of compute nodes in the heterogeneous cloud computing system. Subsequently, we propose a task scheduling algorithm based on similar tasks to reduce the energy consumption. Simulation results show that the proposed algorithm can reduce the energy consumption of the cloud computing system effectively while meeting the task performance.     

云计算环境中优化遗传算法的资源调度策略

资源调度是云计算的核心问题,传统遗传算法(GA)、Sufferage算法等都可以用于云计算环境中的资源调度,但传统遗传算法存在收敛慢、易早熟等缺点,Sufferage算法则不适用于多聚类环境的密集型任务调度.本文在充分考虑云计算环境的动态异构性和大规模任务处理特性的基础上,提出了一种基于染色体编码方式和适应度函数的改进遗传算法(IGA),并在云仿真器CloudSim上对3种算法进行了仿真.仿真结果表明,该算法在性能和服务质量QoS(Qualityof Service)方面都优于传统遗传算法和Sufferage,能更好地适用于大规模任务下的云计算环境资源调度.     

A scheduling strategy for finite element analysis on the computational grid

0Introduction Advancesinnetworkingtechnologyandcomputation alinfrastructuremakeitpossibletoconstructlarge scale high performancedistributedcomputingenvironments,or computationalgrids[1].Agridsystemisadistributedcol lectionofcomputerandstorageresourcesmaintainedto servetheneedofsomecommunityorvirtualorganization(VO)[2].Resourcesinthegridareorganizedasresource domainsthatareindividualandautonomousadministrative domains,whichusuallyareintherangeofLocalArea Network.Thechoiceofstrategiesusedtosch…     

An improvement on algorithm of grid-workflow based on QoS

With the emergencc of grid computing. new challenges have arisen in workflow tasks scheduling. The goal of grid-workflow task scheduling is to achieve high system throughput and to match the application needs with the available computing resources. This matching of resources in a non-deterministically share heterogeneous environment leads to concerns on quality of service (QoS). Grid concept is presented in this paper, coupled with the QoS requirement of workflow task and an improved algorithm-ILGSS algorithm. has been brought out. The complexity of the improved sched uling algorithm has been analyzed. The experiment results show that the improved algorithm can lead to significant performance gain in various applicatkms. An important research domain adaptive workflow transaction in grid computing environment, has been explored and a new solution for the scheduling of distribute workflow has been hring forward in grid environment.     

智能小区电能调度系统的着色时间Petri网建模

智能电网是物联网的重要应用之一,智能小区的电能调度系统是智能电网的重要内容。文中以节约能源、合理配电为目标,研究智能小区电能调度问题,采用着色时间Petri网对智能小区电能调度系统的工作流进行建模。给出了用电活动的语义,建立了常规电能调度模型、中心式电能调度模型、分布式电能调度模型,并通过分析说明了所建模型的有效性。     

基于动态规划的云计算任务调度研究

任务调度作为云计算中的核心问题,其目的是合理分配任务,实现最佳调度策略并且有效地完成任务.首先对当前云计算中任务调度算法进行分析并指出传统算法的不足与缺点,然后提出一种基于动态规划模型的任务调度算法,以任务运行时间最少为优化目标,把任务与数据集群中虚拟机匹配看成为多阶段决策的组合优化.最后在CloudSim进行仿真实验,结果表明,所提算法在满足多用户需求下与max-min和min-min算法相比,在一定数量规模下,任务完成时间减少而资源负载相对均衡.     

合理反馈机制下保证混合业务QoS的调度算法

针对正交频分复用(orthogonal frequency division multiplexing, OFDM)系统多用户中继场景中混合业务对时延的不同需求,提出一种基于合理反馈机制下的降低时延、保证混合业务服务质量的调度算法(mixed services with feedback scheduling , MSFS)。MSFS算法针对用户实时业务及非实时业务的不同需求分别采用不同的调度准则及反馈方式,以达到优化系统性能的目的。针对实时业务,增大其调度优先级以减少等待时延,并在其等待时延接近时延门限时,使其调度优先级迅速增加,以避免丢包;针对非实时业务,加入时延公平因子,使得该类用户业务在时延公平性方面得到改善,同时设置适当的反馈门限,在不影响业务服务质量需求的同时达到降低系统反馈量的目的。仿真结果表明,该算法在保证系统吞吐量和用户公平性的同时,不仅能够有效降低实时用户的时延,而且能够较大程度地减少系统反馈量。     

基于贝叶斯信任模型的资源调度策略

在科技迅速发展的今天,云平台正在迅速成为科学应用的重要平台.由于云平台下的节点资源数量非常多,显然他们有很多是不可靠的,这些节点会对EXE的执行和调度任务产生很大的影响.在本文中,受贝叶斯认知模型的启发和社会学的信任关系模型的引导,笔者首先提出了一种新的基于贝叶斯方法的认知信任模型,然后,将这种模型应用到资源调度系统中.理论分析和仿真实验证明,笔者提出的方法能有效的满足云计算对节点资源的信任要求,并且牺牲较少的时间成本,确保在一个相对安全的节点资源池中执行云计算任务.     

网格环境下的高效动态任务调度算法

网格系统具有异构性、动态性和分布性，这使得网格中的任务调度变得十分复杂，要求调度算法具有动态性和自适应性．文中将群体智能技术引入网格的任务调度中，针对一组相互独立的任务调度问题，提出了一种新的动态任务调度算法．该算法利用蜂群与环境的交互模型来实现网格中动态的任务分配；同时根据蜂群的自组织社会层次的概念，解决了算法中出现的竞争问题．实验结果表明，相比于现有的方法，该算法对于网格中的动态环境具有更好的适应性，且调度性能更优．     

An optimizing algorithm of static task scheduling problem based on hybrid genetic algorithm

To reduce resources consumption of parallel computation system,a static task scheduling optimization method based on hybrid genetic algorithm is proposed and validated,which can shorten the scheduling length of parallel tasks with precedence constraints.Firstly,the global optimal model and constraints are created to demonstrate the static task scheduling problem in heterogeneous distributed computing systems(HeDCSs).Secondly,the genetic population is coded with matrix and used to search the total available time span of the processors,and then the simulated annealing algorithm is introduced to improve the convergence speed and overcome the problem of easily falling into local minimum point,which exists in the traditional genetic algorithm.Finally,compared to other existed scheduling algorithms such as dynamic level scheduling(DLS),heterogeneous earliest finish time(HEFT),and longest dynamic critical path(LDCP),the proposed approach does not merely decrease tasks schedule length,but also achieves the maximal resource utilization of parallel computation system by extensive experiments.     

基于频谱系数和比例公平算法的网络调度优化策略

针对传统比例公平的无线网络资源调度优化策略无法有效保证用户的公平性, 存在无线网络通信系统资源利用率低等缺陷, 设计一种基于频谱系数和比例公平算法的无线网络通信系统资源调度优化策略, 以解决当前无线网络通信系统资源优化调度过程中存在的问题. 首先建立无线网络通信系统的信道模型, 通过自适应遗传算法确定合理的频谱系数; 然后根据比例公平算法计算调度优先级, 将无线网络通信系统的资源分配给用户, 并针对传统比例公平算法的不足进行改进; 最后在MATLAB 2016平台上对无线网络通信系统的性能进行分析. 结果表明, 该策略可更好地保证用户使用资源的公平性, 提升了无线网络通信系统的吞吐量, 改善了无线网络通信系统的资源利用率.     

基于约简任务资源分配图的网格依赖任务静态调度

网格资源环境的动态性和异构性对依赖任务的静态调度策略产生了极大的挑战.提出了一个能够更好地适应资源异构性,并完整支持调度、重调度的统一静态调度模型,即基于约简任务资源分配图(RT-RAG)的调度模型和调度算法.基于该模型的调度问题归结为RT-RAG的优化选取问题.实验分析表明,基于该模型的调度方法更好地适应了网格环境的动态性和异构性,使得静态调度策略与动态调度策略相比依然保持着较大的性能优势,并且也优于基于DAG任务图调度模型的AHEFT静态调度算法,特别是在资源差异较大的情况下.     

基于多用户分集效应的相对比例公平调度算法

无线蜂窝网络目前所采用的机会调度算法在公平性方面存在缺陷。为解决该缺陷,该文提出了一种适用于无线数据网络的基于多用户分集效应的相对比例公平调度算法。不仅可以通过改变参数来调节系统吞吐量,保证系统性能;而且可以保证各用户之间的公平性,满足不同用户的服务质量要求。仿真实验表明,该算法可以在不同用户之间提供公平的服务,而且能兼顾系统吞吐量和用户服务质量的要求。     

VirtCO:Joint Coflow Scheduling and Virtual Machine Placement in Cloud Data Centers

Cloud data centers, such as Amazon EC2, host myriad big data applications using Virtual Machines(VMs). As these applications are communication-intensive, optimizing network transfer between VMs is critical to the performance of these applications and network utilization of data centers. Previous studies have addressed this issue by scheduling network flows with coflow semantics or optimizing VM placement with traffic considerations.However, coflow scheduling and VM placement have been conducted orthogonally. In fact, these two mechanisms are mutually dependent, and optimizing these two complementary degrees of freedom independently turns out to be suboptimal. In this paper, we present VirtCO, a practical framework that jointly schedules coflows and places VMs ahead of VM launch to optimize the overall performance of data center applications. We model the joint coflow scheduling and VM placement optimization problem, and propose effective heuristics for solving it. We further implement VirtCO with OpenStack and deploy it in a testbed environment. Extensive evaluation of real-world traces shows that compared with state-of-the-art solutions, VirtCO greatly reduces the average coflow completion time by up to 36.5%. This new framework is also compatible with and readily deployable within existing data center architectures.     

分布式系统中基于非合作博弈的调度算法

针对分布式系统中任务调度问题,根据分布式环境下的任务调度特性,建立了一个非合作博弈的多角色任务调度框架,在此基础上提出了一种基于纳什均衡联合调度策略的分布式强化学习算法.相比于静态调度算法,该算法需要更少的系统知识.能使调度器主动学习任务到达和执行的相关先验知识,以适应相邻调度器的分配策略,目标是使得调度器的策略趋向纳什均衡.模拟实验结果表明:所提出的算法在任务的预期时间和公平性上相对于OLB(机会主义负载均衡)、MET(最小执行时间)、MCT(最小完成时间)等同类调度算法具有更好的调度性能.     

无线网络接入点TCP流时间公平性

对无线网络接入点上下行TCP流存在的时间不公平性现象进行了研究,报告了无线网络接入有线网络存在的拥塞控制问题现状,提出了一种的无线网络TCP流公平调度算法。采用快速的TCP流优先发送方法,既保证了各流吞吐率公平性,又解决了慢速的TCP占用信道时间过多的问题,实现了各流占用信道的时间公平性。通过网络仿真实验证明,新的公平调度算法比传统的算法在性能上有较大的改进,达到了提高网络整体效率的目的。     

公平的神经基础

 公平问题是人类长久以来的话题, 研究已经证实人们存在着公平偏好。关于公平的神经基础, 研究者采用脑功能成像技术进行了深入探索, 并提示了其在精神疾病研究中的应用价值。本文介绍研究公平行为的博弈实验范式--最后通牒博弈, 概述基于最后通牒博弈的神经影像学研究发现。从分配额度、得失情境、框架效应、群体意见、社会地位及情绪几个方面, 综述影响公平行为的因素及其神经基础。在临床研究方面, 列举了有关抑郁症、精神病态患者及反社会青少年的公平行为及其神经基础的相关研究。分析表明, 未来研究应注意从脑网络的角度对公平行为的神经基础进行探讨, 考虑到具体的社会情境对公平行为的影响, 加强博弈实验范式在神经精神疾病中的应用, 并深入探索公平感知的神经计算模型。     

顺序程序任务并行性的识别

探讨了任务并行性识别中任务执行条件的导出，利用任务给点间的相关性（包括数据相关和控制相关）就可求出并行执行条件．提出了层次任务图模型下直接生成优化任务执行条件的算法，省去了后控树及控制相关图（ＣＤＧ）的产生，其过程简单且比较高效．     

支持优先级约束任务的容错调度算法

为了解决异构分布式系统中可靠调度问题,提出一种考虑处理机链路通信竞争的,支持优先级约束任务的容错调度(FSPCT)算法。该算法使用通信竞争模型描述处理机之间通信,在备份成本最小化和备份任务最早完成之间寻求平衡点。对主副版本任务的最早开始时间进行分析,并限定了所执行的处理机,在处理机出现故障后任务可以顺利执行。实验结果表明FSPCT算法的综合性能优于现有一些算法。