云计算环境下的大规模图状数据处理任务调度算法

针对云计算环境下调度算法必须考虑资源租赁成本的问题,提出一种新的基于粒子群优化的大规模图状数据处理任务调度算法(LGPPSO).首先,该算法将图状数据处理任务调度方案编码为粒子群中粒子的位置,并利用任务的调度长度和资源租赁成本建立适应度函数来评价当前粒子的优劣程度,然后重新定义粒子群的参数和相关操作,最后在算法的每一次迭代过程中,粒子不断更新自身的速度和位置,以获得任务调度的近似最优解.模拟实验结果表明:在仅以调度长度为目标时,LGPPSO算法的调度长度比异构最早完成时间任务调度算法(HEFT)平均降低约12.3%;在以调度长度和资源租赁成本为目标时,与成本感知任务调度算法(CCSH)相比,在资源租赁成本基本一致的情况下,LGPPSO算法的调度长度平均降低约9.97%.     

基于重复异构最早完成时间的云计算任务调度算法

针对云计算任务调度算法时间成本消耗大的问题,提出了一种新的算法,即重复异构最早完成时间(Duplication based Heterogeneous Earliest Finish Time,DHEFT)任务调度方法.该方法结合异构最早完成时间算法和任务重复算法,可以大大减少任务最早开始时间和最早完成时间.由于任务优先级对于相关任务调度算法的重要性,该算法中提出了乐观成本表的方法来计算任务优先级,根据优先级调度任务,并复制父任务以降低通信成本并获得最佳调度解决方案.实验结果表明,该文提出的DHEFT在调度长度比和完成时间性能方面优于其他算法,说明该文方法的可行性与有效性.     

基于节点转移的ZigBee网络路由改进算法

ZigBee网络的一个主要的目标就是降低网络的耗能,以延长网络的使用时间.但ZigBee协议中的网络结构和路由算法并没有完整的讨论能量消耗问题.该文提出一种改进的分布式路由算法,该算法尽可能通过电源供电路由节点转发数据,最终减少电池供电路由节点的能量消耗来延长网络的生存时间.仿真结果表明,该算法只需少量的通讯开销就可以明显地减少电池供电路由节点的耗能.     

基于链路可共享性的多播路由算法

基于链路可共享性,提出一个快速有效的时延约束多播路由算法SBMR.该算法首先计算各链路的可共享性,然后根据链路的可共享性,由大到小依次选择链路参与多播路由,最后由所选链路组成一棵低代价的多播树.实验结果表明,与多播路由KPP算法相比,本算法构建的多播树有72%比KPP算法构建的多播树更优,代价降低13%,启用的链路数减少9%,而且CPU时间减少15%.与多播路由DCSP算法相比,本算法以增加28%的CPU时间为代价,构建的82%的多播树比DCSP更优,代价降低15%,而且启用的链路数减少11%,达到了更好的链路共享.     

大词表孤立词语音识别的快速搜索算法

在大词表孤立词语音识别中,Viterbi搜索是时间消耗的主要因素。为改善基线系统性能,根据汉语孤立词识别的特点,提出了一种基于音节切分的束搜索算法,在音节层和词条层进行剪枝。该算法不增加内存开销。实验结果表明:在词表规模为10 000时,该算法以0.23%的识别率下降率为代价,将Viterbi搜索的时间消耗降低为基线系统的26.73%;相对于小词表,该算法在大词表情况下对系统性能的改善尤为明显。     

基于改进贪婪式算法的AMR任务分配

采用自主移动机器人AMR(Autonomous Mobile Robot)集群智能、高效处理机场行李时,为了解决机场环境中AMR集群的分配调度问题,提出一种改进贪婪式算法的任务调度策略.根据随机行李数量,分配合适的AMR数量执行处理任务.该算法综合考虑在机场环境下行李任务的到达规律和AMR特性,据此改进贪婪选择策略,使其较其他算法更好体现行李任务与AMR之间的调度分配关系.首先,采用A*算法计算代价,能够获得更加符合实际环境的代价值;其次,对AMR进行类型划分和使用预先出发的策略,减小了任务分配时间和系统运行时间.仿真结果表明,该算法与相关文献算法相比,能够获得更小的任务分配时间和系统运行时间.     

考虑电池放电特性的动态电压调节策略研究

电池寿命是移动设备的关键设计参数之一。由于电池容量消耗的非线性和与负载轮廓相关的 特性,最大化电池寿命是个相当困难的问题。研究了在考虑电池放电特性情况下动态电压调 节策略（DVS, dynamic voltage scaling）最小化电池容量消耗的问题。针对现有考虑电池 放电特性的DVS策略中空闲时间分配不合理的缺陷,提出了空闲时间分布调整过程,用于优 化空 闲时间分布从而减少电池容量消耗,并分析了该过程对任务调度的影响。实验结果表明对现 有考虑电池放电特性的DVS策略形成的任务调度进行空闲     

无线传感网络中空间失效模式下的数据存储恢复算法

针对空间失效模式下的数据存储和恢复问题,设计了一种基于数据复制的存储和恢复算法.该算法为每个数据节点分配一个冗余节点,在数据节点失效时可以利用冗余节点中的数据来成功恢复数据,并且使整个过程消耗的代价最小.理论分析和仿真实验表明,同Greedy算法相比,在保证成功恢复的同时,该方法显著降低了网络的整体能耗,从而有效延长了网络的生存周期.     

基于对抗样本的深度学习图像压缩感知方法

压缩感知是研究数据采样压缩与重构的信号处理新理论,近年来研究人员将深度学习运用到图像压缩感知算法中,显著提高了图像重构质量.然而,图像信息常与隐私关联,高质量的重构图像在方便人们观赏的同时,带来了隐私保护的问题.本文基于深度学习理论,提出一种对抗的图像压缩感知方法.该方法将压缩理论和对抗样本技术统一于同一个压缩感知算法,通过设计损失函数,联合重构误差和分类误差来训练压缩感知深度神经网络,使得压缩感知重构样本同时也是一个对抗样本.因此,重构图像在保证重构质量的同时,也能对抗图像分类算法,降低其识别率,达到保护图像隐私的效果.在Cifar-10和MNIST图像集上进行的实验结果表明,和已有的压缩感知方法相比,我们提出的对抗压缩感知方法以损失仅10%的图像重构质量为代价,使得图像分类精度下降了74%,获得了很好的对抗性能.     

一种新型的云任务调度算法研究

云计算具有弹性、保证服务质量和按需的资源配置模型等特征,通常用于处理大批量的计算任务,因此任务调度策略对资源使用效率起着至关重要的作用.考虑到任务的数量和到达服务器的时间不确定性,并且用户对任务的执行往往有一定的期望(如任务优先级、执行时间等),如何合理地分配计算资源,最大程度满足用户的服务质量需求是一个值得研究的问题.为此,提出了一种新型的云环境下QoS-aware服务质量感知的任务调度算法(QTS),该算法结合贪心算法的思想,并加入了任务完成满意度模型作为任务调度的评价依据.通过扩展CloudSim仿真平台进行实验,将QTS与RR调度、Max-Min和Min-Min调度比较,结果表明,QTS是一种有效的任务调度算法.