系统级能耗优化的实时电压调度方法研究

如何在满足实时性要求的前提下尽可能降低系统能耗,已成为目前实时系统设计面临的新挑战。针对动态优先级节能调度研究存储器操作的系统级能耗优化问题。通过设计线性整数规划模型提出了实现离线节能调度的SYS-SEDF算法,并分析临界频率及其计算方法,进而提出了应用于在线节能调度的SYS-CCEDF算法和SYS-LAEDF算法。实验表明,SYS-DVS系列算法可较好地降低系统级能耗。     

具有时间约束的电梯节能调度算法

针对电梯节能问题, 提出电梯能耗损失计算方法, 构建具有时间约束的电梯节能调度模型, 应用粒子群算法(particle swarm optimization, PSO)分别对已知目标楼层和预测目标楼层两种情况的电梯节能调度问题进行建模和求解. 通过数值仿真分析, 从等待时间和能耗两方面比较了三种算法(最近服务原则(nearest car, NC)、已知目标楼层的粒子群算法和预测目标楼层的粒子群算法)的性能. 研究结果表明, 与NC算法相比, 在保证80%以上 乘客等待时间小于60s的情况下, 已知目标楼层的PSO算法可以实现系统节能18.2%; 预测目标楼层的PSO算法可以实现系统节 能9.6%. 随着等待时间约束的放宽, PSO算法可获得的节能比例显著增加. 目标楼层的准确性对节能调度具有重要影响, 已知目 标楼层的PSO算法会比预测目标楼层的PSO算法约多节能10%.     

机载公共设备综合管理系统的动态反馈调度

机载公共设备的综合管理是一种必然趋势,多处理机任务分配和调度是机载公共设备综合管理系统中一个关键技术问题.针对混合任务和不确定的负载,设计动态反馈调度算法使之具有检测、分类、自适应、反馈的功能,采用静态分配和动态调度相结合的方法、局部反馈和全局反馈调度相结合的方法,实现多处理机欠载、过载、超过载、优先级倒置、任务接收和任务拒绝情况下的动态调度.     

基于深度学习的RCPSP调度优先规则实时动态选择算法

针对资源受限项目调度问题,以最小化项目完成时间为目标,设计基于深度学习的调度优先规则实时动态选择算法,在每个调度阶段实时选择优先规则进行活动安排.通过构建深度神经网络模型,确定已调度项目在各阶段的项目状态与最佳优先规则之间的映射关系,再据此为待调度项目实时动态选择优先规则,结合串行调度机制生成最终调度计划.实验研究表明:实时动态选择优先规则算法表现优于文中所涉及的单一优先规则算法及混合优先规则算法,且具有更好的泛化性;此外,与元启发式算法相比该算法具有更高的求解效率.     

虚拟化云中随机任务与资源调度方法

任务和资源调度方法是云系统的关键技术之一。但是,现有的研究往往忽略实时任务的高动态性和任务执行时间的随机性,使得调度方案的实际性能与期望性能相差甚远。针对以上问题,本文设计一个随机性感知的调度框架;提出一个启发式调度算法集成前摄性和反应式策略(proactive and reactive strategy, PRS)来对任务进行调度,以提高云系统保障实时任务时效性的能力;并提出3个计算资源伸缩策略来动态调整计算资源,以减少能量消耗。最后,通过实验将算法PRS的性能与其他4个算法进行比较。实验结果表明,在任务完成率和能耗方面,算法PRS的性能比已有算法提高13.85%和17.23%。     

不确定条件下舰载机动态调度仿真与优化方法

针对舰载机调度中的不确定性及动态特征,给出了基于多主体技术的舰载机动态调度仿真与优化方法。定义了不确定条件舰载机动态调度的概念模型。基于多主体技术描述了概念模型中变量与目标、约束之间的隐函数关系。为降低不确定因素中能够引发重调度的各类系统扰动（故障或新任务到达）的影响,给出了主体之间的交互协商机制。在此基础上,给出了基于合同网与遗传算法的混合优化算法以提高模型的求解能力。最后以舰载机的典型任务模式为例,测试了混合优化算法的能力,并利用敏感性分析方法对故障扰动的影响进行了描述,验证了仿真模型与优化算法的可行性。     

社会系统MAS分布仿真中的Agent优化调度算法

针对分布式多Agent系统在复杂社会系统仿真应用中的运算特性,设计了一个基于分布式结构的Agent调度框架并提出了Agent的动态优化调度算法.该算法综合考虑了仿真过程中仿真节点运算负载和Agent通信结构的变化,通过优化Agent的调度和分配实现各仿真节点负载的动态均衡以及多Agent系统中跨节点全局通信量的减少.仿真实验分析表明提出的算法能够有效提高此类仿真应用的运算性能以及减少仿真执行的时间.     

改进模拟植物生长算法求解汽车维修车间瓶颈工序的多目标动态调度问题

通过对瓶颈的合理调度可以有效地提升系统效率,钣喷工序是整个汽车维修服务系统的瓶颈.针对于此,结合优化调度理论,对汽车维修车间瓶颈工序调度问题的特性、模型和算法进行了研究,提出了多目标动态调度策略.从最小化目标、机器环境、加工特征和约束等方面分析了瓶颈工序调度问题的特征,建立了对应的数学模型.运用混合重调度策略和改进模拟植物生长算法实现了瓶颈工序多目标动态调度问题的求解.最后,以实例分析验证了算法的可行性和有效性.     

基于仿真的双目标并行机开放车间自适应动态调度

针对工件到达时间与加工时间不确定，且存在紧急工件的并行机开放车间调度问题，以TWC(total weighted completion time)与TWT(total weighted tardiness)为优化目标，设计了一种集成FlexSim仿真模型与NSGA-Ⅱ算法的自适应动态调度方法。该方法以FlexSim模型仿真工件的生成和加工为基础，根据车间实时负荷确定动态调度周期，对紧急工件进行右移重调度，利用NSGA-Ⅱ算法生成双目标优化的调度方案。某晶粒拣选车间生产数据的实验结果表明，相较于利用规则的实时动态调度与固定周期重调度，提出的方法能够在最小化调度偏离度的同时获得满意解。     

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.     

基于随机模型的动态调度算法研究

针对多资源云环境中虚拟机放置问题,提出了一种在随机模型下综合利用率较高的动态调度算法MIUS （maximize integrated utilization scheduling）. 首先,在调度中心建立一个虚拟的中央队列缓存用户任务,然后利用随机路由算法对用户任务进行服务器快速选择,最后在服务器上建立虚拟等待队列并利用MIUS算法进行虚拟机配置. 仿真实验结果表明,该算法在保证QoS的情况下,实现了一定程度上的负载均衡,并可较大提高系统的综合利用率.     

基于IFTS的云计算网络动态负载均衡方法

针对云计算网络节点的异构性、资源配置的差异性和用户需求的不确定性等因素导致云计算网络极易出现负载不均衡的问题,在分析云计算节点负载模糊时序变化特性的基础上,构建了基于直觉模糊时间序列(IFTS)预测的云计算网络动态负载均衡模型,提出了基于IFCM的云节点计算资源自平衡方法,设计了基于IFTS预测的主动控制和基于反馈的被动调控相结合的虚拟机调度机制,并给出了云计算网络动态负载均衡策略,增强了云资源池的智能化管理水平,提升了云计算系统的整体性能.最后,通过典型实例验证了该方法的有效性和优越性.     

面向能耗的云工作流调度优化

云工作流调度直接决定了整个云工作流系统的性能,已成为一个重要研究内容.针对当前缺乏有效的面向能耗的云工作流调度优化方法,研究建立了面向能耗的云工作流过程模型、资源模型,提出了基于负载的能耗计算方法和面向能耗的云工作流调度优化算法.提出的方法考虑了能耗因素,在进行任务优先级计算及任务选择时不仅考虑了文件在不同虚拟机间传输的速度差异、同时考虑了虚拟机与本地共享数据库间的文件传输等因素,并从云工作流任务分配、主机负载和主机功耗关系的角度,进行能耗的计算与调度优化,更符合实际情况、使用范围更广.数值案例和仿真实验表明了提出的方法是可行的和有效的.     

面向移动云计算的VM动态调度算法

针对移动云计算中的虚拟机(virtual machine,VM)调度问题,考虑无线带宽限制对VM调度的影响,以云提供商的系统效益为目标函数,根据拍卖机制提出了一种带宽受限的VM动态调度(bandwidth constrainted VM dynamic scheduling,BVMDS)算法。该算法首先根据用户的出价来判定拍卖成功方,然后根据拍卖成功方对计算资源的需求来配置VM,最后采用临界支付的方式来计算拍卖成功方的实际支付价格。仿真结果表明,算法能够有效地改善云提供商的系统效益和资源利用率。     

云计算中基于动态阈值的服务器唤醒策略

基于预留机制的服务器动态开启/关闭(dynamic powering on/off servers,DPS)策略采用静态设置的任务请求数阈值,可能造成服务器状态频繁切换从而导致性能下降、能耗上升。对此,提出一种基于动态阈值的服务器唤醒策略。首先,用具有不耐烦任务的排队模型对云计算系统的任务调度进行建模,分析系统中的平均任务背叛数和能耗成本,提出任务请求数阈值动态调整策略;然后,根据服务器所在冷点区域和当前关闭时长选择服务器进行唤醒。仿真结果表明,与基于静态阈值的服务器唤醒策略相比,本文策略能够保证任务的平均响应时间,并有效降低云计算系统的能耗开销。     

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.     

云环境下能耗优化的任务调度模型及虚拟机部署算法

云计算环境下,在满足用户服务级目标约束下,如何有效地进行资源分配调度,降低能耗,已成为不容忽略的关键问题.针对目前云计算系统服务资源分配调度问题在能耗方面的研究不足,提出一种能耗优化的资源分配调度体系架构,并基于此架构设计了一个满足实时用户SLA的能耗优化模型.该优化模型从系统级和部件级两个层次进行能耗优化.在系统级上,提出一种基于分组遗传算法最大限度降低系统空闲能耗的虚拟机部署算法,该算法将虚拟机和服务器之间的映射抽象为有约束的多维可变装箱问题;同时,在部件级上采用动态电压功率调整技术降低执行能耗,从而达到在满足用户需求的前提下,最大限度降低系统总能耗.仿真实验结果表明,该算法与同类算法相比,在相同条件下可有效降低云计算系统的能耗开销.     

一类分布式控制系统的容错优化调度算法

在分析同步采样分布式控制系统基础上,给出了一种新的容错调度算法。该算法首先在一个周期内形成一个任务调度序列(包括基版本和副版本),然后采用启发式算法将任务分配倒各个处理器上,且同一任务的基版本和副版本分配到不同的处理器上。同一处理器上的任务按照其在调度序列中的先后次序执行。由于控制系统的性能与任务的采样周期和控制延迟有关系,因而采用以整数编码为基础遗传算法对调度序列进行优化。仿真实验表明,这种调度算法在保证实时任务容错可调度的情况下,可以极大地提高控制系统地的性能。     

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.