面向服务仿真系统的最大可靠性容错调度算法

基于 PB 模型对面向服务的分布式仿真系统的容错调度问题进行了研究.首先,根据该类系统的特点提出了两个命题并以此为基础给出了仿真任务的调度规则;其次,分析了仿真任务的可靠性代价并给出了任务最坏反应时间的计算公式;最后,在此基础上提出了相应的算法RC-RTFT和MW-RTFT.RC-RTFT综合利用了最小可靠性代价及最小最坏反应时间两种启发式规则进行主版本任务的调度,MW-RTFT则基于最小最坏反应时间这一启发式规则进行主版本任务的调度,副版本任务的调度都是基于最小最坏反应时间启发式规则进行.算法仿真结果表明RC-RTFT算法具有较好的负载平衡特性和稳定性,且较MW-RTFT具有更小的算法复杂度.     

双参数优先级递推式变采样周期调度算法

针对资源受限的网络控制系统,提出了一种基于双参数优先级的递推式变采样周期动态调度算法。计算控制回路的网络需求度和网络紧急度双参数,并以控制回路误差的绝对值建立二次平方根映射函数来确定双参数权重,实现对传感器优先级的调度。同时,综合分析控制回路性能递推动态调节各控制回路的采样周期,在保证控制系统的稳定的前提下完成调度调节。仿真表明该调度算法提高了网络控制系统的控制质量。     

分布式仿真任务的最坏反应时间分析

最坏反应时间是进行任务可调度性分析的标准之一。我们对采用被动备份的PB（Primary-Backup）模型进行容错的仿真任务的最坏反应时间分别进行了分析，其中主、副版本仿真任务之间的同步分别采用量新执行和共享检查点文件，给出了相应最坏反应时间的计算公式．仿真试验结果表明基于共享检查点文件进行主、副版本任务同步会获得更短的最坏反应时间。     

基于抖动的CAN型网络带宽优化调度

合理调配有限的带宽资源，尽可能地降低网络对系统性能的影响，以满足控制系统动态性能和实时性的要求是网络化控制领域亟须解决的关键问题。结合CAN网的运行特性，提出基于抖动的带宽优化调度算法。在满足控制系统动态性能和网络可调度性条件下，确定网络化控制系统中各控制闭环的最优采样周期和初相，在兼顾周期抖动对控制闭环动态性能影响的同时合理地调配带宽资源，使系统具有较高的带宽资源利用率。     

基于资源回收的容错最早时限优先调度

基于时间冗余的实时容错调度算法 ,可调度条件以任务的最坏执行时间和为任务预留容错操作的时间为分析基础 ,任务拒绝率高 ,系统资源利用率低。提出了基于资源回收的容错最早时限优先调度 ,以容错实时调度算法FT_EDF为基础 ,利用任务的实际执行时间往往低于最坏执行时间的特性 ,收集已完成任务释放的资源供等待任务使用 ,在保证系统容错要求的同时 ,提高了任务吞吐量和系统资源利用率。     

基于软件容错的抢占阈值调度算法设计与仿真

为了提高硬实时系统的容错能力,同时减少任务间的抢占次数,基于软件容错模型提出了抢占阈值容错调度算法(FT-FPPT).为了获得系统中任务抢占阈值分配的最佳策略,基于任务最坏响应时间的可调度性分析,提出了一种最优的抢占阈值配置搜索算法(PTCSA).PTCSA算法能够将搜索空间由O(n!)减少到O(n 2),其中n为任务的个数.最后给出了该算法的最优性证明.仿真实验表明,抢占阈值容错调度算法能够在抢占式容错调度算法的基础上,进一步提高系统的容错能力。     

基于变采样周期方法的网络控制系统协同设计

提出了一种基于变采样周期的动态调度策略,通过实时调整控制系统的采样周期以适应网络中信息流的变化,改善网络中时延、丢包等问题.采用动态调度策略的NCS为一个变采样周期系统,考虑时延的影响,通过等效变换将时延和采样周期的不确定性转化为系统参数的不确定性,从而将NCS建模为一类具有参数不确定性的离散时间系统,并给出了系统D-稳定的控制器设计方法,实现NCS的控制与调度协同设计.最后通过数值仿真验证了所提出的方法的有效性.     

鲸鱼优化相关向量机的网络控制系统变采样周期调度

针对资源受限的网络控制系统,提出一种基于鲸鱼优化相关向量机的变采样周期调度算法。通过网络监测模块获取网络带宽与数据传输时间数据,建立鲸鱼优化相关向量机的预测模型,实现对网络带宽及数据传输时间的预测。采用模糊推理计算系统各回路通信带宽的分配权重,进而结合通信带宽及数据传输时间的预测值对各闭环回路的采样周期进行计算,完成采样周期的实时调节。仿真结果表明,在资源受限条件下,所提算法保证了系统的稳定性与控制精度。     

鲸鱼优化相关向量机的网络控制系统变采样周期调度

针对资源受限的网络控制系统,提出一种基于鲸鱼优化相关向量机的变采样周期调度算法。通过网络监测模块获取网络带宽与数据传输时间数据,建立鲸鱼优化相关向量机的预测模型,实现对网络带宽及数据传输时间的预测。采用模糊推理计算系统各回路通信带宽的分配权重,进而结合通信带宽及数据传输时间的预测值对各闭环回路的采样周期进行计算,完成采样周期的实时调节。仿真结果表明,在资源受限条件下,所提算法保证了系统的稳定性与控制精度。     

相控阵雷达采样周期自适应策略研究

采样周期是相控阵雷达资源调度的关键参数之一。深入研究了几种采样周期自适应策略，在此基础上提出了两种改进的采样周期自适应策略。提出了自适应采样周期下的性能评估公式，并分别基于IMM、Kalman滤波算法对它们进行了仿真分析比较，得到了令人满意的结果。     

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.     

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%。     

面向连续系统并行仿真的任务调度算法

任务调度是并行分布计算中最具有挑战性的问题之一。如何合理、有效地地进行任务调度,将直接影响到系统的并行效率。本文通过对连续系统仿真程序特点的分析,折衷考虑了负载平衡与通讯延时两方面因素对并计算的不同影响,提出了一种以系统总的开锁最小为目标的启发式调度算法。该算法在我们研制的长缨三号（ＣＨＹ－Ⅲ）并行机上经验证,具有良好的并行效率。     

不确定云环境下基于滚动窗口的节能调度

目前,绿色云计算已经成为工业界和学术界的研究热点. 然而,以往的绿色节能调度研究忽略了虚拟机性能的不确定因素,使得调度效果与实际情况相差甚远. 本文提出一种基于滚动窗口的节能调度算法（ERRHU）,用于动态调度不确定云环境中的实时任务,同时根据系统的负载动态伸缩系统的计算资源以减少系统的能量消耗. 本文通过大量的模拟实验比较ERRHU与其他算法的性能.     

任务调度过程中就绪队列的优化研究

绝大多数嵌入式实时系统仅配置了必不可少的资源，任务间抢占行为导致的额外开销严重影响着系统的性能，通过分析周期性任务的调度过程，得出在确保任务不错过截止期条件下，各个任务在就绪队列中可等待的最长期限计算公式，并根据公式推导出任务满足截止期的最后抢占时刻等属性，从而定量地刻画了周期性任务抢占行为发生的必要条件，提出了一套对周期性任务的就等队列进行微调度的抢占模型，通过改变抢占关系来减少抢占次数，优化实时系统性能，本文最后通过实验验证了该微调度的抢占模型不仅有效地减少抢占次数，同时对于表态优先级调度策略如RM，能有效地提高处理器的可调度利用率。