面向能耗优化的云渲染系统任务调度策略

针对云渲染系统中由于渲染节点与任务不匹配调度而带来的能耗浪费问题,提出一种通过任务调度方式来优化系统能耗的策略。为了形式化描述系统的整体能耗,综合考虑节点空闲能耗和任务运行能耗,建立渲染任务能耗模型;以降低系统总体能耗为优化目标,根据渲染任务之间无依赖性的特点,将任务调度序列拆分成子序列,利用模拟退火思想,通过优化子序列任务调度提高节点利用率、减少节点空闲能耗,以此降低系统全局任务的能耗;采用矩阵存储子序列任务的能耗,以空间换时间的方式降低策略的时间复杂度。实验结果表明:该策略在多渲染作业环境中能耗优化效果比先进先出算法提升了43.4%,比能耗感知的调度算法提升了6.7%,能够有效降低云渲染系统的总体能耗,同时具有良好的扩展性,使云渲染系统的能耗效率和整体性能得到提升。     

硬实时系统周期任务低功耗调度算法

针对硬实时系统周期任务,提出了动态空闲时间回收算法(DSTRA)。该算法既能利用高优先级任务提早完成的空闲时间,也能利用低优先级任务产生的空闲时间,并且考虑了通用的功耗模型:处理器的动态功耗;处理器的静态功耗。DSTRA算法由两部分组成:在离线状态,确定任务集的静态运行的速度;在在线状态,根据任务集的真实负载,利用高优先级任务提前完成的空闲时间和低优先级所产生的空闲时间,调节处理器速度。实验结果表明:DSTRA算法与DRA(Dynamic Reclaiming Algorithm)和DSRDP(Dynamic Slack Reclamation with Dynamic Procrastination)算法相比节能效果更好,可以分别节约2.03%~27.57%和1.09%~17.04%的能耗。     

有限时间的多领航者一致性算法

针对网络控制系统中的多目标协同控制问题,研究了一种有限时间的多领航者一致性算法。首先以线性的双积分器为研究模型,通过使用恰当的分布式滑模面,设计了一种有限时间控制器。在Lyapunov分析的基础上,证明了该算法能够控制多个跟随者收敛于多个领航者构成的状态凸包内。将该算法用于动力学模型为非线性的移动机器人的协同控制问题当中。数值仿真表明:该算法能够用于解决多静态目标和多动态目标的移动机器人协同控制问题,并且具有良好的干扰抑制能力和快速的收敛速度。     

高密度离散灰色建模及其预测应用

为定量描述复杂系统动态过程特征,针对生产过程空间整体参数的监测及控制问题,借助灰色系统理论的设计方法,给出一种利用多变量离散灰色模型预测控制算法.该算法利用线性矩阵级数展开求和设计一个空间高密度多点预测模型,基于该模型实现空间高密度多点预测模型的建模和预测.仿真算例证实了算法的有效性及可行性,为通用非线性预测提供一种新的控制思路.     

十字口4相位信号灯模糊控制模型设计与仿真

以车辆排队长度和绿灯时间分别作为控制模型的输入和输出,运用模糊控制算法模拟交通警察指挥时的判断决策过程,设计了一个基于绿延时的十字口4相位信号灯模糊控制模型.该模型采用Zadeh表示法描述模糊集合,用Matlab中的FIS和Fuzzy Logic Toolbox工具进行参数优化,并采用Simulink工具对模型进行了仿真.仿真结果表明,该模型的输出基本与期望值相符,可以降低车辆平均延误时间.     

基于图论技术的FPGA资源管理算法

在对可重构硬件上的空闲资源进行管理时,采用平面划分算法寻找最大空闲矩形存在冗余计算和重复计算的问题.为此,文中提出了一种基于虚拟无向图的计算最大空闲矩形的算法.该算法基于FPGA二维区域模型,利用无向图与FPGA模型之间的相互映射关系,通过在虚拟无向图中寻找有效回路和通路间接完成寻找最大空闲矩形的任务,使空闲区域划分过程大大简化.最后,文中通过仿真实验对比了该方法与已有的SL算法的性能,结果表明,KAMER_VU算法有效降低了系统硬件布局时间,提高了为任务分配硬件资源的成功率.     

基于MAS的分布式协同设计任务冲突处理研究

任务分解与冲突控制是网络分布式环境下进行产品并行设计的关键．通过收集产品各领域的指标约束与关系约束来构建基于约束网络的产品参数协调模型，采用区间描述设计变量的不确定性信息，并将区间算法与基因算法相结合实现了一致性模型求解框架，使用该方法能够检测潜在冲突，得到与给定产品指标相对应的设计变量可靠解空间，进而辅助设计人员决策。同时采用Agent技术对协同设计中多群体多层次的设计任务和设计进程进行管理和控制，建立了以项目和任务为中心的协同设计Agent模型，研究了模型共享、协同设计agent、并发控制机制等关键技术，构建了一个基于多Agent的分布式实时协同设计原型系统应用实例说明了其有效性。     

基于多核处理器的PLC控制程序并行执行

针对可编程逻辑控制器(Programmable Logic Controller,PLC)的编程语言不支持程序的并行编译,无法使控制程序并行执行于多核处理器的问题,根据功能块图的可拆分性,提出了用有向无环图(Directed Acyclic Graph,DAG)任务模型表示PLC控制程序的方法,并采用静态列表任务调度算法,优化DAG中的任务节点在不同CPU核上的分配调度,解决了PLC控制程序并行执行时会遇到的通信延时问题。此外,针对变量资源的竞争问题提出了使用互斥量的方法。实验结果表明,此方法能有效地将PLC控制程序并行运行在多核处理器上,大大缩短了程序的执行时间。     

双参数模糊调度在实时控制系统中的应用

针对嵌入式多任务实时控制系统,提出模糊调度设计(FSD)算法.该算法基于任务重要性和空闲时间2个特征参数,动态调整任务优先级,使得空闲时间越短且越重要的任务,其优先级越高.FSD算法在资源有限时可以提高关键任务的可调度性和控制性能,在不同系统负载下,通过灵活的模糊调度规则获得满意的系统可调度性能.为评估调度算法,定义性能指标IVR为任务价值总和与任务重要性之和的比值,若IVR越大,则系统可调度性越好.仿真结果表明:在正常负载下,FSD算法在保证关键任务可调度性的同时,对非关键任务的可调度性影响较小,任务调度成功率比MIX(加权组合)算法的高;超载时,FSD算法优先保证关键任务在其截止期内完成,避免EDF(截止期优先)算法中易出现的多米诺现象发生,有效提高系统的整体性能.     

基于Petri网的计算机支持的协同设计仿真技术研究

协作模型的分析和优化是提高协同工作效率的关键技术,可以广泛应用于协同设计等工程领域。利用贴近度理论和Petri网技术,分析了协同活动事件间的模糊时间关系,研究了协同设计过程建模方法,采用面向对象方法描述模型元素的数据结构,设计了系统仿真算法。实验表明,该建模和仿真方法提高了对协同设计过程的描述能力,实现了对协同设计过程时序推理和定量分析。     

云计算环境下的动态反馈作业调度算法

针对现有Hadoop作业调度算法在多用户、异构环境下不具备反馈机制的问题,提出一种云计算环境下具备反馈机制的动态作业调度算法。该算法引入排队论模型,采用单队列多资源池服务窗口的设计思路,将所有作业统一提交到一个支持优先级的排队队列,作业分发控制模块选择优先级最高的作业分发到空闲的资源池窗口执行;Hadoop集群通过自身的心跳机制将作业运行的初始化时间、运行时间等信息传递给参数统计模块进行统计,将获得的平均到达率和平均服务率这两个核心参数的实际值传递给反馈机制模块,根据调度算法模型计算出平均逗留时间和平均队长的理论值并与实际值进行对比,当差值大于阈值时对该调度算法的核心参数进行适当调节使差值收敛于阈值,将具有较大平均逗留时间和平均队长的作业调度到有槽位数的资源池服务窗口执行。实验结果表明:与经典算法相比,该算法具有较高的调度效率和负载平衡能力,作业平均逗留时间比先进先出调度算法和公平调度算法分别减少了57%和19%,平均队长分别减少了50%和37%。     

针对CMT架构的linux内核负载均衡算法优化(英文)

Linux 2.6的负载均衡算法调度域支持CMP,CMT,SMP,NUMA架构.针对CMT,算法尝试分配新进程到最空闲的处理器核中的最空闲的CPU上;如果某个处理器核中的第一个CPU比较空闲,它会周期性地从该核的最繁忙的CPU上的迁移适量的任务到这个CPU上以平衡系统的任务.然而在某些情况下,该策略会导致系统更加不平衡.有两种方法可以弥补该算法的缺陷:一是新进程放到整个系统的最空闲的CPU上;二是最空闲的CPU可以迁移调度域中的任务.在8处理器核32线程XLR532处理器系统上,使用HackBench测试,系统最高达到8%的性能提升.     

顺序程序任务并行性的识别

探讨了任务并行性识别中任务执行条件的导出，利用任务结点间的相关性（包括数据相关和控制相关）就可求出并行执行条件，提出了层次任务图模型下直接生成优化任务执行条件的算法，省去了后控树及控制相关图（ＣＤＧ）的产生，其过程简单具比较高效。     

移动自组织网络中服务组合方法

为了提高移动自组网中服务组合的成功率,基于新型节点模型和服务可并行执行的概念,提出了一种服务需求分段的服务组合方法.该方法将总的服务组合需求分成多段,每段分别在一组节点中执行,多个节点组协同共同完成服务组合.实验结果表明:所提出的方法和模型能减少服务组合执行的时间并提高服务组合的成功率.     

顺序程序任务并行性的识别

探讨了任务并行性识别中任务执行条件的导出，利用任务给点间的相关性（包括数据相关和控制相关）就可求出并行执行条件．提出了层次任务图模型下直接生成优化任务执行条件的算法，省去了后控树及控制相关图（ＣＤＧ）的产生，其过程简单且比较高效．     

高速铁路场景中基于MAB模型的多信道选择算法

针对高速列车越区切换过程中, 切换带为多信道分布的问题, 提出一种基于多臂老虎机(multi-armed bandit, MAB)模型的信道选择算法. 首先, 以置信区间上界(UCB)算法为基础, 通过设置信道空闲差异因子, 使算法快速收敛于最优信道； 其次, 通过引入满意通信概率(SCP), 衡量移动列车的通信质量, 分析与切换过程中误码率之间的关系； 最后, 利用最优信道选择比率、成功传输率和累积接入损失作为评判标准, 分析算法的性能. 仿真结果表明, 该算法的累积接入损失比原始UCB算法减少了约18.5%； 对比随机选择算法与原始UCB算法, 成功传输率提高了约30.2%和3.3%； 最优选择比率提高了约88.3%和13.5%.     

多Agent联合灭火救援作战仿真

将多Agent理论和技术应用于联合灭火救援作战的研究,构建了多Agent联合灭火救援作战模型框架,实现了联合灭火救援组织指挥相互之间的信息交换,显示了互相影响的行动过程.对系统中指挥Agent、作战Agent和环境Agent进行描述,定义Agent之间以及Agent与环境之间的交互规则,来描述系统的相互关系,给出了多Agent的协同算法,并构建了联合灭火救援仿真模型.最后用多Agent软件工具集和通用软件平台(SWARM),采用JAVA语言编程,进行了模拟仿真,对文中构造的模型及相应机制进行了功能验证.     

基于多服务质量属性联合效用函数的网格资源调度

基于经济模型研究网格服务质量(QoS)控制的资源分配问题,给出了多QoS属性多任务的资源分配优化的效用模型. 该效用模型描述了网格任务的动态需求和偏好,以效用最大化为目标计算了需要提供QoS的资源分配. 设计了时间和预算限制条件下基于多QoS属性的联合效用函数调度算法,并与其他经济的和非经济的算法进行比较,验证了该算法的有效性.     

无线传感器网络实时任务内电压的调度算法

针对无线传感器网络多节点协同式并行处理应用的节能设计环节,提出了一种低功耗的实时动态电压调节算法.该算法利用所建立的节点单任务处理模型来反映相关通信事件对任务处理的影响,引入任务内的电压优化调度策略,获得了模型中基本块理想的处理频率(或电压).然后通过创建频率拆分法有效地消除了任务完成期与截止期之间的空闲时隙.文中给出了该算法的实现方法,并通过仿真研究证明了该算法能有效地降低节点能耗.     

一种兼顾负载均衡的Hadoop集群动态节能方法

Hadoop集群广泛应用于企业和研究机构的大数据处理和并行计算中。该文针对Hadoop集群节点管理中缺少动态负载均衡和节能相互结合的调度技术的现状,提出一种动态负反馈调整算法,并设计和实现了一个用于Hadoop平台节点动态管理的系统。通过大量Hadoop经典测试用例测试,结果表明:该算法能够有效提高负载均衡并通过减少节点的空闲时间以有效地节能,与未使用本算法的结果相比,节点平均空闲休眠时间增加25%,节能14%。同时通过与其他算法相比,节点间均衡度有一定程度提升,平均负载方差减少10%。