基于经济模型的网格资源调度算法

建立了基于经济模型的网格作业调度系统,给出了相应的服务质量(QoS)资源调度算法.通过定义资源的多维QoS指标,实现了对计算网格中广域分布和异构资源的统一描述,能很好地适应网格资源的动态性和自治性.采用QoS偏好度排序和欧氏距离的优化策略搜索资源,将用户提出的具有个性化或总体服务需求的作业透明、动态地分配给最适应的资源,优化了资源的统一配置.采用仿真实验比较多种算法的性能,结果说明QoS算法可满足资源的自适应性,较好地实现全局资源调度的目标.     

多技能资源投入项目调度问题的建模与优化

以大型工业品移动装配线为实际背景,针对多技能人力资源投入成本问题,建立了以最小化资源投入成本为目标的数学模型.针对该模型,提出了基于全局作业影响的改进调度机制的遗传算法,设计最小费用最大流多技能资源分配算法解决资源分配问题,通过基于全局资源水平影响的作业调度评估策略优化非关键作业的调度位置.最后利用改造的标准算例库PSPLIB进行数值试验,通过与CPLEX和文献算法对比,验证了本文算法的有效性.     

应急资源调度的补货策略问题研究

根据突发事件的特点,将突发事件的应急资源调度过程分为三个阶段。分别对应突发事件发生以前的资源储备阶段、紧急救援物资的调度阶段和用于灾后重建的一般资源调度阶段。考虑了突发事件需求和由于灾害影响资源运输时间滞后的不确定性,将应急资源管理与供应链管理中的补货策略相结合,三个阶段分别决策,提出使得考虑时间效应的综合成本最低的动态资源调度方案。     

基于计算期望和信誉度的网格资源调度模型

目的 研究网格经济模型下资源调度的问题.方法 分析以往的资源调度策略,提出了一种基于计算期望和资源信誉度相结合的网格资源调度模型.结果 通过用户设定各因素的重要性,由计算期望分析器将各个因素量化,再由调度器根据量化结果,将任务放到相应的队列中,各队列调用不同的调度算法;同时每次任务完成后,用户的满意度又直接影响资源的信誉度.结论 该模型实现了高效灵活的网格资源调度,达到了资源最优分配的目的 .     

基于蚁群算法的云计算资源调度研究

本文针对云计算中资源调度问题进行了研究,提出云计算资源调度的蚁群优化算法,在算法设计中综合考虑了在云计算环境中任务完成时间和计算成本优化问题,建立数学模型,并通过cloudsim平台进行实验仿真测试。验证表明算法模型能使总任务完成时间较短、成本较小,是一种有效的资源调度算法。     

基于资源价格的动态作业调度算法的研究

网络作业管理系统是建立在操作系统之上的一个中间件软件,主要目的是用来扩展操作系统的作业管理功能。有效地将作业分配给各个计算资源以实现负载平衡是作业管理系统的基本功能。在过去的作业管理系统中常使用的是静态作业调度策略。为了使系统执行用户作业所需的资源消耗最小化,提出了一种基于价格的动态作业分配策略。通过实验对提出的动态调度策略和以前的静态调度策略在对系统的性能影响方面进行了比较分析。最后,发现动态作业调度策略减少了系统对外部作业的响应时间并提高了计算资源的利用率。     

基于信任驱动的网格资源调度算法

针对当前网格资源管理中作业与资源匹配的缺陷,基于信任效益函数和作业响应比,提出了同时兼顾性能QoS和信任QoS的资源调度算法.不仅考虑到作业资源对的信任考虑,还考虑到每个作业的性能QoS,解决了长时间等待作业不断被推迟运行的问题.实验表明,该算法较传统的Min-Min算法在总信任效益函数、总执行时间和作业提交失败率方面有较好的综合性能.     

计算网格环境下多址作业调度系统模型研究

针对网格环境下的作业调度问题,提出了适合异构机群作业调度的三种网格调度系统模型:作业本地调度模型、作业共享调度模型和作业多址调度模型.建立了多址作业在三种网格调度系统模型下的性能模型.理论分析得出如下结论:同构情况下,多址作业调度应遵循先单址后多址、先本地后异地的资源选择策略;异构情况下,该策略失效,需对所有资源组合进行遍历,可设计启发式调度算法获得近优解.     

基于预算的资源管理模型

针对现有批作业系统中的资源管理方式在资源使用公平性和合理性、作业服务质量(QoS)与实际需求存在较大差距的问题,提出一种基于经济学原理的资源管理模型——BB-RAM模型.模型通过预算机制来实现对计算资源管理和使用的宏观控制,最终达到资源使用最优化和保证作业服务质量的目的.基于实际作业流的仿真结果表明该模型的作业调度的作业延误率、效益值等QoS指标,以及平均响应时间等传统评价指标都优于传统调度策略.     

企业扩展云中的资源调度策略

针对企业扩展云计算中的资源调度问题,在本地优先策略和云优先策略的基础上,提出了一种紧急度和重要性优先的并行策略.综合考虑了响应效率、任务消耗时间、企业收益,对资源进行预处理,同时按照紧急度和重要性对任务进行了排序,并进行了架构.理论分析及仿真结果表明:紧急度和重要性优先的并行策略提高了响应效率和企业收益,降低了消耗时间.     

基于经济模型的故障诊断网格资源管理研究

文章提出了故障诊断网格环境下基于经济模型的各种组件,建立了一种新的故障诊断网格资源管理模型,定义了Market-Min-min算法,给出了基于市场机制的资源调度算法,为解决故障诊断网格资源管理的问题提供了一个有效的途径。     

计算网格中经济模型的应用策略

基于经济模型的计算网格资源分配和任务调度, 将货物市场模型与拍卖模型进行比较. 通过对两种经济模型进行模拟, 分别在网格资源市场需求不足和需求过剩的条件下, 以资源价格的稳定性、 市场均衡、 资源利用率和作业执行效率为评价标准, 对两种经济模型的性能进行了评估. 结果表明, 货物市场模型比拍卖模型更适合计算网格环境, 并且能够产生更稳定的资源价格, 更容易达到市场均衡, 资源利用率和作业 的执行效率也更高.     

Research on logistics domain-oriented cloud resource management model and architecture

To address the challenges posed by resource shortage or surplus to enterprises productivity,Internet platforms have been widely used,which can balance shortage and surplus in broader environments.However,the existing resource management models lack openness,sharing ability and scalability,which make it difficult for many heterogeneous resources to co-exist in the same system.It is also difficult to resolve the conflicts between distributed self-management and centralized scheduling in the system.This paper analyzes the characteristics of resources in the distributed environment and proposes a new resource management architecture by considering the resource aggregation capacity of cloud computing.The architecture includes a universal resource scheduling optimization model which has been applied successfully in double-district multi-ship-scheduling multi-container-yard empty containers transporting of international shipping logistics.Applications in all these domains prove that this new resource management architecture is feasible and can achieve the expected effect.     

基于经济学的启发式网格资源调度算法

针对网格环境中资源调度的复杂需求,将现实世界中的经济原理和模型应用到网格环境下的资源调度中,并据此提出一种基于经济学的资源调度算法.首先,基于经济学中的一般均衡理论,结合集中式定价算法收敛速度快,以及分布式WALRAS算法扩展性好的优点,提出一种新的定价算法,提高定价速率;其次,提出一种能兼顾考虑资源调度的服务质量.时间以及费用的启发式算法,能更好地满足用户需求及开放复杂的网格环境.     

一种多QoS约束的网格资源调度算法

针对网格计算中资源调度问题,提出一种多QoS（Quality of Service）约束的贪婪推广算法.调度时以调度驱动函数为贪婪准则.调度驱动函数与网格用户提供的“deadline”,“budget”,“timeweight”和“costweight”等参数有关.每次根据调度驱动函数选择最经济的资源进行调度.通过在Gridsim环境下的分析与比较,该算法能够在满足用户QoS的同时,能够以最小的调度驱动函数值完成任务,最大化地实现用户的满意度.     

基于MAS的动态协作任务求解模型与算法

为提高动态网格资源的利用率,提出了基于多智能体系统博弈协作的任务动态分配和协作求解模型,建立了网格资源调度模型和任务求解算法,证明了资源分配博弈中Nash均衡点的存在性、唯一性和Nash均衡解。该方法能够利用用户智能体的学习和行为能力,使得用户的资源申请和任务调度具有较高的合理性和有效性。进行了供求关系中竞价博弈的模型试验。实验结果表明,资源调度算法不但可以有效减少延迟,而且在响应时间的平滑性、吞吐率及资源利用率方面比类似方法要好。使得整个网格系统供需合理、负载均匀。     

基于最大收益平衡点动态变化的云资源调度算法

云计算中资源调度是云计算高效利用的核心问题,主要研究如何对云端的资源进行有效地管理和调度?以从服务商需求的角度构建云资源调度的方法为切入点,从服务商的角度出发,在不损害用户和生产商利益的前提下,介入收益?成本?边际收益?边际成本等因素,以节省资源并获得服务商的最大收益为优化目的,根据最大收益平衡点随着负载变化的动态变化,构建了一种基于动态平衡点动态变化的云资源调度算法?通过比较当前周期和上一周期的边际收益变化,动态更新最大收益平衡点的位置,根据此位置对应的参数完成云资源调度?通过CloudSim平台下的仿真实验表明,该方法比基于服务驱动的调度方法具有更快的响应?使用更少的虚拟机?能获得更大的收益?     

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.     

基于云遗传算法的不确定性环境下平台资源调度适应性优化方法

针对战场环境中不确定因素对平台资源调度方案的影响,提出了一种面向不确定事件的平台资源调度适应性优化方法。考虑平台损耗和任务处理时间2个方面的不确定性,建立以最大任务执行效率为目标函数的平台资源调度的适应性优化问题的数学模型,根据不确定事件对平台资源能力或任务属性的影响来判断是否触发调度方案的适应性优化,并基于云遗传算法设计了平台资源调度适应性优化问题数学模型的求解方法,最后通过算例进行了验证。仿真结果表明,使用云遗传算法对平台资源调度方案进行适应性优化调整,能得到更加优化的平台任务匹配关系,并从整体上缩短使命完成时间。     

DLS和NGA结合的平台资源调度方法

研究战场环境平台资源调度问题,针对传统使用的动态列表调度算法易陷入局部最优,提出一种基于动态列表调度和小生境遗传算法相结合的求解方法。考虑任务激烈度来更准确地描述平台资源能力的动态损耗,以使命完成时间为指标,在保证平台资源利用率的前提下,采用具有全局性的小生境遗传算法,得到最优的平台资源调度方案。通过一个联合作战案例,得出所提方法作战使命完成时间更短,为战场资源调度提供依据。