云计算环境中SBS应用动态资源分配方法

建立了一个SBS（基于服务的系统，service based system）应用端到端性能评价模型，并在该模型的基础上提出了SBS应用动态资源分配方法，该方法通过将静态的初始资源分配和动态的资源分配方案调整相结合，能够适应用户访问行为的动态变化，保证SBS应用端到端性能. 在SBS应用动态资源分配问题求解中，提出了服务吞吐量约束确定算法并在此基础上 给出了SBS应用动态资源分配算法，该算法根据SBS应用吞吐量约束确定服务资源需求量并在此基础上通过起始服务 到服务间的转移时间计算服务的资源分配时刻，从而能够在保证SBS应用端到端性能约束的同时提高资源利用率. 实验验证了所提出的基于SBS应用端到端性能评价模型的动态资源分配方法的有效性.     

仿真网格中资源分配的进化博弈研究

网格环境中用户的有限理性使得资源分配不能直接实现纳什均衡.针对网格用户理性的局限性,提出了一种基于进化博弈的网格资源分配策略,从动态角度来考察网格用户群体行为的演化过程.该策略先将网格环境中多用户竞争同一计算资源的问题形式化为一个多人博弈;然后建立了用户之间的进化博弈模型,利用复制动态方程求得用户出价博弈的进化稳定策略;最后研究了不同情况下用户群体的进化稳定点和评估函数特性.仿真实验结果表明进化博弈方法能够通过反复博弈使得网格用户不断学习并调整策略,逐步达到进化稳定均衡,从而实现了网格资源的优化分配.     

仿真网格中预防死锁的资源分配方法及其仿真分析

仿真网格中资源协同分配是资源组织和调度的一个重要组成部分,如何避免仿真应用之间的死锁是资源协同分配过程中需要解决的重要问题。通过对仿真网格中死锁原因的分析,对死锁的特点进行了描述。根据解决死锁问题的不同策略,提出了仿真网格中基于原子事务预防死锁的资源协同分配方法,并根据应用的不同资源分配方案给出了具体算法。通过理论分析并结合仿真试验研究了该算法在资源协同分配过程中的性能,试验证明使用该方法不仅能够避免应用资源分配过程中的死锁,与其它方法相比,还能获得好的资源分配性能。     

部分可观条件下空对地打击中的动态资源分配

针对静态分配模型的不足,基于部分可观的马尔可夫决策过程建立对单个目标的多阶段决策模型,以反映任务执行效果及反馈信息中的不确定性,进而提出对多个目标的动态资源分配模型。在离线优化阶段中,通过对偶分解法将其分解为一系列较易求解的子问题,并基于次梯度算法调整资源价格,以协调子问题所构造策略中资源的使用量。在实时决策中,根据所得策略及实际执行情况指定对目标的具体行动方案,确保约束条件得以满足。仿真结果表明了方法的有效性。     

遗传算法在卫星数传调度问题中的应用

研究了一种基于遗传算法的卫星数传混合调度算法.首先建立了卫星数传任务模型和卫星数传调度模型,提出了卫星数传可能冲突及任务执行冲突度等概念,然后对基于冲突消解的遗传算法进行了设计,并给出了基于该遗传算法的卫星数传混合调度算法.该调度算法包括三部分:一是通过确定冲突任务集来限定问题规模,以此限定了遗传算法中个体的长度;二是利用遗传算法确定出冲突任务集中每个任务分配地面资源及执行时间的次序;三是在对每个任务具体分配地面资源及执行时间时,利用了任务执行冲突度的启发式信息,以尽可能降低冲突.最后给出一个算例仿真.     

基于极大熵方法的网格资源分配策略

针对基于市场机制的网格资源分配中的出价问题,提出了一种用于并行任务资源分配的优化策略。该策略先将具有并行任务的多个用户竞争同一资源的行为形式化为一个极大极小问题,然后利用极大熵方法将其转化为一个可微的优化问题,最后通过二分搜索最优解产生一组优化的用户出价,根据这组出价按比例划分资源的计算能力。研究了用户出价函数的特征,给出了求出价组合最优解的具体算法。研究结果表明提出的分配策略具有较低的时间复杂度,从而能够提高资源分配效率,对于动态的网格环境具有更好的适应性。     

军事信息系统服务资源分配并行优化方法

针对如何提高面向服务军事信息系统中任务工作流执行的时效性和成功概率, 提出了服务资源分配的并行优化方法. 首先给出了服务资源分配的系统框架, 在分析服务并行执行数目、 任务成功率、任务完成时间及服务执行代价之间关系的基础上, 建立了服务并行优化的目标规划数学模型, 并提出了一种求解该模型的改进粒子群算法(DPSO). 该算法通过引入粒子细微扰动、优化粒子飞行边界及粒子优胜劣汰等扩大搜索范围,提高获得最优解的概率. 实验结果表明服务分配的并行优化及其DPSO 求解算法是提高任务工作流执行成功率和时效性的有效方法.     

数据网格资源协同分配问题研究

针对网格资源动态、自治、分布的特点以及数据网格中存在的数据复制问题,提出了基于市场机制,具有分布式特性,并且支持数据复制机制的数据网格资源分配体系结构(data grid maket-based architecture,DG-MA)。在此基础上,采用多单位组合拍卖模型(multi-unit combinatorial auction,MUCA)对数据网格中的资源协同分配问题进行建模,给出了用分支界限技术求多单位组合拍卖问题最优解的具体算法,从而得到了基于市场机制的数据网格资源协同分配最优方案。     

基于资源性能评估的网格任务调度算法

在保障本地任务QoS需求并尊重网格节点本地调度策略的条件下,为网格用户提供QoS保障是计算服务网格环境中任务调度的一个重要目标和面临的新问题.根据对网格节点相关资源可用性历史数据进行统计、分析得出的结果,利用概率论方法对网格节点的资源能力进行评估,对网格节点状态进行划分并得到资源的平均状态;利用信息论中熵的概念对网格节点状态动态变化的不确定性进行评估并得到刻画网格节点状态不确定性的定量值.在此基础上,建立了一种基于性能评估的分布式调度框架,并提出了一种基于性能评估的网格任务调度算法.对GridSim进行了改进与扩展,基于改进与扩展后的GridSim对提出的算法进行仿真并与相关算法进行比较,实验结果表明了本所提出的调度算法在网格用户QoS保障程度、网格任务执行makespan以及负载均衡等方面的有效性.     

基于虚拟代理的两阶段网格资源协同分配模型

由于网格资源的分布性和异构性,资源协同分配一直是网格计算的基础研究内容.针对资源协同分配中用户对费用和截止时间的约束,提出一种基于虚拟资源代理的两阶段协同分配模型.虚拟资源代理通过一个两阶段的分配机制来优化资源配置和价格方案,用于满足用户费用约束和提高系统资源收益.同时,虚拟资源代理利用队列系统建立资源工作模型,为用户任务提供量化的截止时问保证.仿真实验从任务截止时间违约率、资源收益和资源利用率三个方面比较了基于该模型的协同分配策略与传统策略的性能表现.实验数据显示,对具有费用和截止时间约束的任务,该模型能有效提高用户QoS满意度和系统资源收益.