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.     

一种基于任务分解的时间均衡调度算法

网格环境下的任务调度是一个NP完全问题,它一直是网格领域研究的核心。针对计算网格中的任务放牧调度这类问题,提出了一种基于任务分解的时间均衡调度算法。该算法在调度过程中充分考虑了网格资源的特点,采用重复调度和任务分解策略,并进行了仿真实验。在任务完成时间和系统吞吐率两方面与Max-min和Max-int算法进行比较,实验结果证明该算法优于Maxmin和Max-int,是一种性能较好的任务调度算法。     

基于重复异构最早完成时间的云计算任务调度算法

针对云计算任务调度算法时间成本消耗大的问题,提出了一种新的算法,即重复异构最早完成时间(Duplication based Heterogeneous Earliest Finish Time,DHEFT)任务调度方法.该方法结合异构最早完成时间算法和任务重复算法,可以大大减少任务最早开始时间和最早完成时间.由于任务优先级对于相关任务调度算法的重要性,该算法中提出了乐观成本表的方法来计算任务优先级,根据优先级调度任务,并复制父任务以降低通信成本并获得最佳调度解决方案.实验结果表明,该文提出的DHEFT在调度长度比和完成时间性能方面优于其他算法,说明该文方法的可行性与有效性.     

基于动态规划的云计算任务调度研究

任务调度作为云计算中的核心问题,其目的是合理分配任务,实现最佳调度策略并且有效地完成任务.首先对当前云计算中任务调度算法进行分析并指出传统算法的不足与缺点,然后提出一种基于动态规划模型的任务调度算法,以任务运行时间最少为优化目标,把任务与数据集群中虚拟机匹配看成为多阶段决策的组合优化.最后在CloudSim进行仿真实验,结果表明,所提算法在满足多用户需求下与max-min和min-min算法相比,在一定数量规模下,任务完成时间减少而资源负载相对均衡.     

云计算环境下的大规模图状数据处理任务调度算法

针对云计算环境下调度算法必须考虑资源租赁成本的问题,提出一种新的基于粒子群优化的大规模图状数据处理任务调度算法(LGPPSO).首先,该算法将图状数据处理任务调度方案编码为粒子群中粒子的位置,并利用任务的调度长度和资源租赁成本建立适应度函数来评价当前粒子的优劣程度,然后重新定义粒子群的参数和相关操作,最后在算法的每一次迭代过程中,粒子不断更新自身的速度和位置,以获得任务调度的近似最优解.模拟实验结果表明:在仅以调度长度为目标时,LGPPSO算法的调度长度比异构最早完成时间任务调度算法(HEFT)平均降低约12.3%;在以调度长度和资源租赁成本为目标时,与成本感知任务调度算法(CCSH)相比,在资源租赁成本基本一致的情况下,LGPPSO算法的调度长度平均降低约9.97%.     

一种基于任务竞争力的工作流调度算法

网格计算聚集了大量的异构分布式的计算或存储资源,为科学研究提供了一个高性能环境.然而,网格资源的异构性和自治性特征使得任务调度变得极其复杂.针对DAG表示的科学工作流调度问题,根据任务可用资源率确定任务调度的优先级,以任务竞争力刻画任务对资源的最佳匹配度,基于分层调度策略提出了一种基于任务竞争力的工作流调度算法.采用GridSim模拟实验表明该算法相对于其他两个算法,具有更小的执行时间.     

基于LBT的网格依赖任务调度算法

文章将任务调度分为资源分配和调度执行2个阶段,定义了网格环境下的调度执行最晚开始时间、调度执行开始时间和任务依赖图中边的权值;分析了任务图冻结消减和执行消减对任务图结构的影响;提出了基于LBT的网格依赖任务调度算法;实验表明该算法有效地减弱了网格动态性对调度结果的影响。     

分布式系统中基于非合作博弈的调度算法

针对分布式系统中任务调度问题,根据分布式环境下的任务调度特性,建立了一个非合作博弈的多角色任务调度框架,在此基础上提出了一种基于纳什均衡联合调度策略的分布式强化学习算法.相比于静态调度算法,该算法需要更少的系统知识.能使调度器主动学习任务到达和执行的相关先验知识,以适应相邻调度器的分配策略,目标是使得调度器的策略趋向纳什均衡.模拟实验结果表明:所提出的算法在任务的预期时间和公平性上相对于OLB(机会主义负载均衡)、MET(最小执行时间)、MCT(最小完成时间)等同类调度算法具有更好的调度性能.     

基于不同分配策略的云计算任务调度性能比较与分析

形式化描述了云计算环境下的负载均衡任务调度问题,借助动态规划方法形式化推导了最早完成时间的启发式优先分配策略,给出了基于先易后难优先分配策略、先难后易优先分配策略的启发式云计算任务调度算法。阐述了基于顺序调度策略、先易后难优先分配策略、先难后易优先分配策略等启发式任务调度算法和基于禁忌搜索策略、元胞演化策略等智能任务调度算法。针对不同分配策略的云计算任务调度进行性能比较与分析,提出了完成时间可改进百分比和资源负载平衡因子的调度性能评价指标,实验数据对比充分表明:与启发式调度算法相比,智能调度算法能减少任务执行时间,优化资源负载均衡性能。     

基于穿越路径和分代调整的分代调度算法优化

分代调度(GS)算法在分解任务图时只考虑任务间的偏序约束关系,没有考虑任务划分可能对整体调度时间的影响.其局部调度使用已有的独立调度算法,仅考虑任务子集的完成时间,缺乏全局优化能力.为此,文中提出一种改进的基于GS的GA-DLlPF算法.该算法在GS分代的基础上进行分代调整,并基于"穿越路径"的概念实现了最长穿越路径优先的局部调度策略.仿真实验表明,GA-DLTPF算法的调度性能优于GS的改进算法--OGS,而且任务图深度越大,GA-DLTPF算法的优势越明显.     

基于分层禁忌遗传算法的卫星任务调度方案

对地观测卫星在地球观测系统中起着核心作用,任务调度是对地观测卫星满足更多任务需求并获得高观测效率的重要手段。随着用户的激增,大量的任务请求引起卫星资源、时间资源的冲突,导致卫星任务的调度效率低下。为了解决上述问题,通过拆分和聚类2种策略对任务进行预处理,设计了一种基于分层禁忌遗传算法(layered tabu genetic algorithm, LTGA)的卫星任务调度方案。建立了对地观测系统模型,分析了观测任务调度的相关约束;通过分析任务时间窗口冲突情况来确定任务拆分方式,通过计算聚类距离来区分任务分布状态,从而选取合适的观测任务构成预调度任务集合;在上述任务规划的基础上,提出LTGA完成任务的选取和排序,生成观测计划。仿真结果表明,所提出的卫星任务调度方案能够有效提升调度收益、降低调度时间。     

基于多Agent的分布式多目标任务调度机制研究

针对分布式计算中任务调度的复杂性、动态性和实时性等特点,构建了一个基于多Agent的分布式多目标任务调度模型．此模型中,设计了一种分布武调度机制,使每个节点都具有独立的调度决策能力,增强了系统的可扩展性．同时为了解决分布式调度所产生的节点间任务通信问题,引入任务与节点相关性等概念,有效地降低了节点间的通信代价．模型对多个评价指标进行了综合衡量,如任务调度开销、任务最早执行时间、负载均衡及节点问的通信量等,并根据任务和系统运行的状态特征,实现多目标任务调度,提高了系统的整体性能．     

分布式环境下任务调度模型研究

由于任务调度算法的优劣直接影响到整个分布式计算系统的性能，在将具体的任务调度策略应用于实际系统之前，应首先利用相应的模型对其性能进行分析，以便找出任务调度优化算法．总结了分布式环境下的任务调度模式，利用时间Petri网建模技术，构建了分布式环境下几种典型的任务调度模型，并对任务调度模型的特点进行了分析．在此基础上，利用CORBA技术给出了模型的模拟实验方案．由于所给出的任务调度模型具有良好的对称性，能够容易地将其扩展为具有Ⅳ个计算结点的任务调度模型，为实现、模拟和分析具体的任务调度算法打下了基础．     

一种改进的遗传算法在云计算中的应用

针对传统的遗传算法在云环境中迭代次数多、耗时长的缺陷,提出了一种改进的遗传算法,主要从执行时间及执行任务所需的费用两个方面来优化任务调度.通过建立任务调度模型,设计出相应的适应度函数、界限函数.仿真结果表明,在任务调度中运用改进的遗传算法,所需的平均等待时间要短,调度所需的费用也比传统的遗传算法要低.     

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。     

支持资源协同分配的网格任务调度研究

提出通用的网格和任务执行模型,并以此为基础,给出一种支持资源协同分配的任务调度算法。算法通过定义临界资源的概念,改进了传统的列表调度算法。模拟实验结果表明该调度策略更符合网格计算的复杂环境,能得到较短的任务执行时间,并更好的支持不同类型资源的协同分配。     

网格系统中的层次化资源分配与任务调度

讨论具有大量任务数的一类应用在网格系统中的资源管理和控制问题．提出了具有层次化结构的资源分配与任务调度模型，它由任务分发器和次级调度器组成．上层的任务分发器根据任务的性质和需求，并参考下层次级调度器的执行情况，将任务分发到相应的次级调度器上；而下层次级调度器负责将分发来的任务进行实际的资源分配及调度工作．模拟分析表明随着次级调度器个数的增加，任务调度的并行性增加，但系统的优化趋势逐步减缓．在实际应用中，合理选择次级调度器个数，可在满足调度性能的同时减少设备投入．     

一种基于有向无环图的相依性网格任务调度算法

网格任务调度算法是影响网格成功与否的关键技术之一.本文首先描述了网格计算环境中的DAG任务调度模型.然后，结合网格计算环境的特点, 讨论了多个相依性任务组成的应用任务调度问题，并对GS和CIGS算法进行了全面而深入的研究，并在此基础上提出了一个CIGS算法的改进算法.