基于GridSim的一种改进的资源调度算法的模拟

网格资源管理是网格中一件非常复杂和具有挑战性的工作.资源管理的好坏、效率的高低直接关系到计算网格系统的性能,因此对资源管理的研究显得尤为重要.GridSim提供了一个虚拟的网格平台,在该仿真平台下,用户可以模拟资源调度,从而检测调度算法的优劣.本文对已有的时间代价均衡算法进行改进,提出了一种新的基于时间代价的资源调度算法,并借助Echlipse平台实现了该算法的模拟.实验表明,改进算法在任务数比较多时具有一定的优势.     

基于仿真网格平台的资源调度算法模拟

针对使用真实网格平台来研究资源调度昂贵、耗时而且不易操作这一问题,提出用GridSim工具集进行仿真网格实验,并在该仿真网格上实现了当前主要用于资源调度的时间最优、代价最优、时间代价均衡算法的模拟。实验结果表明,使用模拟工具进行网格环境的仿真来测试调度算法的优劣方便可行。     

基于时间期限和预算效益函数的网格资源调度算法

针对具有时间和代价约束的网格资源调度问题,提出了一种基于效益函数的改进的网格任务调度算法,并采用GridSim模拟器分别对提出的调度算法和现有的DBC算法进行模拟实现.对比分析表明,改进的调度算法能得到较高的任务完成率及较好的资源负载均衡性.     

排队时间感知的动态网格工作流调度

网格资源站点的可靠性将影响站点上任务执行性能,从而影响其他任务的排队等待时间.利用可修排队系统对网格资源站点进行可靠性建模,通过模型求解获得稳态下各资源站点的排队等待时间,提出了排队时间感知的动态网格工作流调度算法并设计了动态网格工作流调度的原型系统.基于GridSim进行了不同网格系统环境设置场景下的仿真实验.实验结果表明,本算法在不同负载和不同失效率的情况下其完成时间明显优于HEFT和CPOP算法,且在平均等待时间方面也比这2种算法高出了50%左右.     

基于多Agent和遗传算法的制造网格资源调度

为了保障用户的多QoS要求,在制造网格资源调度中引入灵活健壮的协商机制和高效的资源调度算法尤显重要.为此提出基于多Agent的制造网格资源调度方法,运用合同网协议作为多Agent的协作协议并根据制造网格资源调度需求运用遗传算法作为资源优化组合的算法.综合应用多Agent开发工具JADE和遗传算法工具包JGAP进行模拟调度实验,证明了方法的有效性.     

面向粗粒度网格应用的分组调度算法

针对粗粒度网格中的调度问题,提出了一种分组调度策略,将相似作业进行分组,再将分组提交到合适的运算资源.与细粒度网格相对比,作业以细分的形式执行并最终返还用户.该策略能有效减少开销,提高处理能力.GridSim Toolkit模拟器验证了所提出方法的有效性.     

网格计算环境下基于PERT方法的调度算法

在网格计算的资源分配过程中,一般基于费用-时间的DAG调度算法中的假定作业执行时间是确定的,为了解决这一局限性,提出了在网格计算的资源分配中使用基于计划评审技术的调度算法.采用PERT方法中的三时估计法及GridSim仿真软件包进行算法实现,通过用户任务完成时间的概率分析,证明该算法具有较强的实用性.     

网格机制下的一种光网络资源调度策略

针对开放网格服务环境OGSA中光网络资源调度需求问题,使用WSRF规范将光网络资源封装成Web Service资源,使其像其他的服务资源一样可以通过统一的接口来调用。提出了在网格机制下的光资源调度策略和算法,在GridSim的基础上对光网络资源建模并对该算法进行了仿真。仿真结果验证了该策略的有效性,表明该算法能够在全局视图下有效地调度和均衡地分配资源请求,明显地提高了资源利用率。     

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 .     

一种基于Nash均衡的网格资源调度算法

运用博弈理论对资源调度算法进行深入研究,提出了能够反映供求关系的基于竞价的网格资源定价机制,并构造了网格资源和用户的效用函数,论证了资源调度中Nash均衡点的存在性和唯一性以及Nash均衡解.仿真实验表明,该资源调度算法与竞价策略能够使整个网格系统得到更高的运行效率,并且使网格用户获得最大的效用.     

基于改进遗传算法的网格任务调度

为在网格环境下完成任务调度,使服务运行时间和费用2个指标达到最优化,将这2个指标作为网格任务调度模型的衡量指标,将计算经济模型引入网格资源管理,改进了遗传算法。算法中的染色体编码采用间接编码方式,对每个任务占用的资源编码,即实数编码方法。生成初始种群时采用随机生成种群和根据某些先验知识生成种群这2种方法相结合,变异操作时根据原来染色体的适应值和适应度函数进行有目的的随机变异。通过网格仿真平台GridSim对该算法进行模拟验证,并将其与简单遗传算法及GridSim中经济模型下时间最优算法DBC_Time比较,试验结果证明,其能较好完成网格环境下任务的调度,实现时间和费用双目标优化。     

一种基于用户满意度的网络接入选择和频谱分配联合优化方法

文中对异构网络下用户接入选择和网络资源分配的联合优化问题进行研究,在传统资源分配方法的基础上,加上用户对网络的主动选择,侧重考虑用户满意度,建立接入选择和资源分配的联合优化模型.在资源分配之前,让用户根据接入每种网络的概率优先选择接入概率最大的网络,在此基础上网络再调整价格来获得最佳的网络效益.仿真结果表明,文中所提出的联合优化方法在保证了网络效益的同时,又兼顾了用户的满意度.     

基于人工鱼群算法的多用户系统资源分配策略

针对当前多用户系统资源分配策略存在的用户公平性较差、 系统吞吐量小等缺陷, 设计一种基于人工鱼群算法的多用户系统资源分配策略. 首先通过分析多用户系统资源分配的工作原理, 构建相应的数学模型; 然后引入人工鱼群算法对多用户系统资源分配的数学模型进行求解, 并针对标准人工鱼群算法存在的局限性进行相应地改进; 最后与其他多用户系统资源分配策略进行仿真对比测试实验. 实验结果表明, 人工鱼群算法可以快速、 准确地找到多用户系统资源的最优分配方案, 有效保障了用户的公平性, 且大幅度改善了多用户系统的通信能力, 整体性能优于其他多用户系统资源分配策略.     

电力线通信系统中基于动态规划的自适应资源分配

分析了电力线通信OFDM系统在多种约束下,多用户多业务在多子载波上自适应的比特和功率分配模型,提出了一种新的基于动态规划的速率和功率自适应相结合的动态资源分配算法,其先给实时用户分配资源以满足固定速率下总功率最小,再利用剩余功率和未用子载波给非实时用户分配资源以满足最小速率下总速率最大.在典型电力线信道环境下的仿真结果表明,该算法的性能优于已有的多用户资源分配优化算法,且其能更好的满足电力线通信系统中多用户资源分配的多目标要求.     

一种基于QoS的星座通信系统跨层资源分配算法

针对目前星座通信系统星地链路资源分配不灵活、缺乏有效服务质量(QoS)保障机制等问题,提出一种基于QoS的星座通信系统跨层资源分配算法.利用自适应编码调制(ACM)技术,通过定义用户信道质量评估算法、可调公平性调度算法、业务QoS分类调度算法及用户业务分配权重函数,为终端用户指定工作频率、时隙、编码方式、调制方式等物理层工作参数,实现根据业务QoS保障要求灵活分配物理层信道资源,达到提高系统资源利用率与满足业务QoS保障需求的平衡.仿真实例验证该算法可以实现星座通信系统根据业务QoS和用户信道质量对星地链路资源的合理分配和调度.     

高斯干扰信道中一种公平的资源分配算法

频谱、发射功率是通信工程中基本的资源,对资源进行有效地分配,可以提高系统性能。本文针对单输入单输出干扰信道的功率分配和多输入单输出干扰信道波束成形设计,提出了一种新的随用户最小速率要求改变的公平资源分配方案,给出了一种利用特征参数的迭代搜索算法,数值仿真结果与分析一致。     

一种优化的认知无线电网络资源协同分配算法

在目前的认知无线电研究中,多用户OFDMA系统中如何实现子载波和功率的合理分配是研究的重点之一.针对认知无线电资源分配过程中出现的多认知用户资源分配不公平的问题,研究了认知无线电网络中授权用户占用子载带时,认知用户的吞吐量受限制的问题,提出了一种基于underlay频谱共享模式下的OFDMA认知无线电网络功率与子载带协同分配优化算法.该算法利用干扰门限的设置,使用原始感知信息(RSI)和信道状态信息(CSI)进行功率与子载波分配,然后分别进行功率控制和用户选择的计算,找到最优化传输功率与每个子载带最优使用用户,在保证授权用户免受有害干扰的前提下,使授权用户存在时,也可共享频谱传输,确保了系统的稳定性,提高了网络吞吐量.理论分析与仿真结果表明,相比传统的功率与子载波联合分配算法,该算法可以提高系统的平均加权吞吐量.