面向智慧城市的多依赖任务计算迁移研究

针对智慧城市的时延敏感型多依赖任务调度问题,提出了边缘计算赋能的智慧城市架构,并设计了一种计算迁移方法,以满足任务调度需求。首先建立了多依赖任务模型、任务的时延约束模型以及智慧城市服务器的负载约束模型。然后使用深度强化学习算法训练出可感知任务间依赖关系的智能体,以实时地进行计算迁移决策。一系列实验验证了该方法在时延、能耗优化方面的有效性。     

基于边缘计算和稳态 遗传算法的AIoT资源调度研究

在万物互联时代，智能物联网（Artificial Intelligence of Things, AIoT）是人工智能与物联网融合发展的新兴方向在面对边缘海量数据和连接时，如何进行资源负载的调度是AIoT目前亟待解决的关键问题边缘计算（Edge Computing）是对云计算的补充和发展，具有低时延、位置敏感和无线接入等优点，能在网络边缘进行高效部署该文提出了一种基于边缘计算和遗传算法的AIoT资源调度方法首先，基于边缘计算构建了云边融合的AIoT分层网络资源管理架构然后，对其资源调度问题进行了数学建模并使用稳态分组遗传算法（SSGGA）进行了优化最后，根据得到的优化方案制定了计算资源调度策略另外，基于iFogSim平台搭建了实验环境，仿真结果验证了该文所设计的资源调度策略可有效降低高负载下AIoT各节点的处理时延，并有效提升网络内设备的能量利用效率该文的工作对于推动AIoT的发展具有良好的理论和应用价值     

利用截止期感知的云计算调度方法

针对传统云计算资源调度执行时间长和执行成本高的问题,提出一种利用截止期感知的云计算调度方法 .将VM分配给需要调度的工作流,并在处理时间截止期完成工作的调度.在任务调度过程中,当产生子调度序列后,利用遗传算法来优化执行时间以减少超时.提出的算法具有对不同目标搜索环境的适应能力.实验结果表明,基于截止期感知的云计算调度方法能够在不同规模和不同期限条件下以比粒子群优化算法更小的成本找到更优解.     

一种基于Qos的网格资源调度策略

网格资源的合理调度一直是网格计算中的热点问题．当前网格资源调度的一种经典算法是Min—min算法．通过介绍Min—min算法的内容和特点,找出这种算法的缺点和不足,然后在该算法的基础上提出一种基于Qos的改进算法．这种改进算法的目的是在提高资源调度效率的同时又能均衡网格资源中的负载,进一步提高资源的利用率．     

基于改进群搜索优化算法的云计算任务调度方案

针对云计算中的任务调度问题,提出一种基于改进群搜索优化(IGSO)算法的任务调度方案.首先,为了解决传统GSO算法的收敛速度较慢,不能很好地应用在云任务实时调度的问题,在搜索者和游荡者的位置更新中融入了粒子群算法中的粒子位置更新策略,提出一种快速收敛的改进GSO算法.然后,将任务调度问题进行编码,以任务执行时间为适应度函数,通过提出的IGSO算法寻找最优调度方案.仿真结果表明,该方案能够快速且合理地调度任务,具有可行性和有效性.     

多任务集实时交换局域网高速调度方案

研究对象是交换式实时局域网.一个交换机中,多个实时任务可能要经由同一出口,因而可以看作一个实时任务集.多个出口可对应多个实时任务集,且有的任务可能会出现在不同的任务集中.传统的自动调度算法难以直接应对这样的环境.因此,提出了一种EDF-A(earliest deadline first-adjustment)算法,旨在对单个任务集的调度方案进行调整,以尽量满足所有任务集的时间指标.同时为应对不断提高的网络速度,还对所用方案采用全硬件快速实现作了详细描述.     

基于博弈论和粒子群优化的移动边缘计算任务卸载方法

移动边缘计算（mobile-edge computing, MEC）是一种新兴的计算范式,移动设备可以通过将计算密集型任务卸载到边缘服务器上来降低本地计算能耗和计算时延。首先,该文研究了在微蜂窝基站密集区域场景下的多移动设备独立任务集计算卸载问题,其中每个微蜂窝基站配备了一个计算性能有限的MEC服务器。为了尽可能地降低移动设备的任务集计算能耗和计算时延,使用博弈论的方法将该问题建模为一个非合作多移动设备计算卸载策略博弈。通过对该博弈的分析,证明了其纳什均衡的存在性和有限改进性。然后,设计了一个基于博弈论的分布式计算卸载算法（game theory based distributed computation offloading algorithm, GDCOA）,并在GDCOA中引入了一个基于粒子群优化（particle swarm optimization, PSO）的移动设备任务集卸载策略改进算法（PSO based improving computation offloading policy algorithm, PSOIPA）。GDCOA在有限次迭代后可以达到一个均衡状态。最...     

面向车联网边缘计算的智能计算迁移研究

为了满足车联网中车载任务所面临的服务迁移时间优化与边缘设备的资源负载优化需求，提出了一种面向车联网边缘计算的智能计算迁移方法（intelligent computingoffloading method，ICOM）.首先构建了车联网边缘计算系统资源模型、执行时间模型、边缘设备负载均衡模型；然后利用非支配排序遗传算法（non-dominant sorting genetic algorithm，NSGA-II）实现了对车载计算任务的迁移时间和边缘设备的负载均衡进行联合优化，从而为车载计算任务找到有效的计算迁移策略；最后根据多目标决策准则（multi-criteria decisionmaking，MCDM）和逼近理想解排序法（technique for order preference by similarity to anideal solution，TOPSIS）选择出最优的计算迁移策略.实验结果表明，ICOM方法能够使车载计算任务在期望时间内完成，同时也保证边缘设备的负载均衡.     

网格计算环境下基于任务池的任务调度方法

任务调度是网格计算的关键技术之一。对网格计算任务调度特点及典型的任务调度策略进行了分析,提出了一种基于任务池模型的分级调度方法,该方法通过在网格系统中建立相对稳定的计算资源视图,在不同规模、级别上实现局部自治系统之间的协同工作,通过建立并维护任务池和资源池,对网格环境中动态变化的资源和任务进行管理,来保持系统资源之间的共享关系和高度可控性。实验结果表明,本调度方法具有较高的执行效率和加速比。     

基于多处理机系统实时调度算法的飞机排班问题研究

提出了一种新的基于多处理器系统的实时调度算法有效求解飞机排班问题的方法.该方法以EDF算法和多处理机动态分配方法为基础,建立了航班队列模型,提出了基于多处理机实时调度的多目标的飞机实时分配算法.模拟实验表明,针对不同优化目标的飞机分配算法执行效率均比遗传算法和分支定界算法高至少一个教号级.     

一种交通道路限制下的充电车辆调度方案

充电调度是无线可充电传感器网络中的关键科学问题之一。现有研究主要集中在如何调度充电车辆以获得最优的移动路径。但是,当道路受到限制时,这些算法无法提供良好的性能。本文考虑具有交通道路约束的移动充电车辆调度问题,提出一种移动受限的按需充电调度方案（mobility constrained charging scheduling scheme,MCCS）。为了更好地适用于实际场景,本文将该问题形式化为边缘覆盖问题。通过添加路径分解算子和变异算子来优化经典的扩展邻域搜索模因算法（memetic algorithm with extended neighborhood search,MAENS）。最后本文仿真评估了MCCS的性能,并与MAENS进行了比较。实验结果表明,MCCS平均移动能耗低且算法鲁棒性强,性能表现出色。     

一种高性能信息物理融合系统的方法探讨

信息物理融合系统(CPS)是一种深度嵌入式分布式实时系统,时效性是其关键属性。由于CPS的节点中内存资源有限,当多个实时任务并发执行竞争内存时,将导致任务错过截止期,严重影响CPS的时效性。因此,当前特别需要在提高网络利用率的同时保障通信的需求。针对该问题,本文讨论了一种高性能方法,将并行思想融合进实时调度方法。通过该方法,能够在CPS进行实时调度时,最大化网络并发度与资源利用率,减少时间开销,改善实时性能。     

嵌入式Linux实时性分析与研究

通过对Linux内核及其在实时应用方面不足的分析研究,在细粒度微定时器、内核抢占机制、实时调度策略等几方面提出了改善系统实时性方法．针对Linux的非抢占内核,提出插入抢占点和修改内核法增强Linux内核的可抢占性;针对时钟粒度粗糙,提出在硬件上提供一个细粒度定时器;针对实时调度算法,提出了一种宏观调度结构,使三种实时调度策略的应用都得到支持,拓展了系统的可使用范围．     

云环境下基于EDF和LWF的回填算法

由于云资源有限,如何保证时限和提高资源利用率一直是提高成本效益的关键问题.提出一种基于最早截止时限优先算法(EDF)和最大权重优先算法(LWF)的回填算法.该算法通过使用LWF算法支持等待队列中所有的任务按照时限评分排序,在回填任务时,考虑任务的权重,以提高资源利用率;当检测到回填的任务错过了截止时限,则采用EDF算法,以满足时限保证.仿真结果表明,相比平衡螺旋法回填算法和EASS回填算法,提出的算法具有更短的服务延迟时限和更高的资源利用率.     

基于生物地理学优化算法的在线课程查询调度算法研究

为解决大规模在线课程查询负载均衡的问题,降低系统负载率,在平衡负载的自适应查处调度器的基础上,提出一种基于生物地理学优化算法(BBO)优化平衡负载的自适应查处调度器(BAQP)期望代价矩阵的在线课程查询调度算法。选择系统的总体负载消耗系数作为评价指标,运用BBO算法优化获取在线课程的最优查询方案。通过静态权值和动态权值不同任务和资源查询调度性能对比可知,BBO算法较Min-Min和Max-Min算法具有更强的系统负载平衡能力和较低的系统负载率,可以有效降低系统消耗系数。     

动态调度算法下的实时性能分析

根据实时多任务的动态调度算法以及与实时性能密切相关的因素,建立起超时故障评价模型.根据该模型,可以定量分析和估算实时多任务系统中发生超时的任务以及系统发生超时故障的概率     

眼前节光学相干层析图像中央角膜厚度自动测量

为了自动获取所需医学参数,辅助医生诊断,提出了一种基于边缘检测和随机抽样一致性的中央角膜厚度自动测量方法. 采用边缘检测算子获得眼前节组织光学相干层析图像中的初始边缘,然后利用随机抽样一致性算法对初始中央角膜上边缘进行圆弧拟合,进一步提取中央角膜下边缘并采用相同方法进行圆弧拟合,根据得到的中央角膜上下边缘计算中央角膜厚度. 实验结果表明,该算法能排除图像中时常出现的中央亮线干扰,实时而准确地提取中央角膜上下边缘,得到的中央角膜厚度计算结果与人工分析基本一致,具有良好的应用价值和商业前景.     

敏捷车间单元动态调度的协同演化遗传算法

针对敏捷车间的单元动态调度方案进行了设计与开发,构建基于多代理系统的敏捷车间单元动态调度框架。提出自上至下以及自下至上相结合的单元动态调度思想,建立融入模糊理论的单元动态调度综合满意度函数,运用演化博弈论,给出Agent的资源优选演化稳定策略解释。通过本协同演化遗传算法,求得面向多项工作任务的车间资源重组全局优化解,结合聚类分析法作出了敏捷车间单元动态调度的最满意决策。调度实例验证了算法的有效性及可行性。     

基于虚拟机的数据中心能耗测量

提出一种基于计算密集型与I/O密集型建立虚拟机动态能耗的数学模型方法.结合了设备运行状态参数，在模型功耗处于计算密集型时引入了虚拟机的CPU使用率与CPU频率，处于I/O密集型时引入了虚拟机的硬盘读写总字节数与内存读写总字节数计算功耗，并对功耗进行积分得出数据中心能耗.与常规方法相比该方法进一步细化了测量粒度，且在使用Wordcount运行任务与Sort运行任务进行节点能耗测试时，得出能耗的平均误差为0.062 5.实验结果在粒度细化的同时保证了常规方法的同级别测量精度.     

一种虚拟机负载均衡调度算法

基于XEN的CPU调度算法已经广泛应用于很多实时系统中,但是在多处理器系统中却很难实现负载均衡。本文提出一种虚拟机环境中支持SMP架构的CPU调度算法,该算法在CPU调度算法中增加共享等待队列,并基于cache缓存和内存的一致性问题,使得虚拟环境中的多个处理器根据自身任务处理情况,动态调整共享等待队列中VCPU的执行顺序,这样就可以避免处理器空闲,提高处理器使用率。通过仿真实验,证明该算法支持CPU全局负载均衡,可以避免cache和内存一致问题所产生的性能降低,提高系统吞吐量,降低VCPU执行的平均周转时间和响应时间,使处理器资源得到充分利用。