仿真网格中一种基于匹配度的改进Min-Min调度算法

分布式仿真网格是完善分布式仿真系统有效途径之一,而资源任务调度问题是提高分布式仿真网格系统效率的基础。通过对经典Min-Min和Max-Min调度算法研究学习,发现现有算法存在负载不均衡问题。针对现存问题,在考虑到任务本身优先级要求、任务大小和机器运行速度运行效率等因素的情况下,提出机器任务匹配度函数Matching-rate[i][j],将任务的预期完成时间与任务优先级进行匹配;并定义了系统负载均衡参数LBP,然后根据机器任务匹配度函数和系统负载均衡参数实现动态地调度Min-Min算法和Max-Min算法。最后通过实验,验证了此算法在总执行时间、总执行费用和机器利用率指标中有了一定改进,提高了调度性能,且达到了实现负载均衡的目的。     

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。     

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.     

一种基于任务划分的启发式网格调度策略

网格环境下的任务调度是一个非常复杂且具有挑战性的问题,目前存在的调度策略大多数忽略了任务执行调度算法的顺序这个重要因素.针对这一问题,本文提出任务划分(task-partition)的概念,结合任务存取数据的位置信息,给出了一种以任务级别的忍耐度(task-sufferage)作为启发规则的网格调度策略.实验结果表明,该策略消除了任务的重新调度,降低了任务总的完成时间,能够有效地保证负载均衡,具有较好的综合性能.     

基于数据依赖和触发器的简单子任务调度算法

针对在数据库管理系统环境下实现的分布式子任务计算平台,提出了一种基于数据依赖、采用触发器实现的简单分布式子任务调度算法,可有效保证分布式子任务调度的准确性和一定程度的及时性.首先介绍了采用人工划分的基于执行阶段的子任务调度思想,并结合数据依赖调度算法,证明了两者之间的相似性和密切联系,然后进一步提出基于执行阶段的分布式子任务调度算法,为在数据库环境下实现的分布式子任务计算提供了一种简单、快捷、正确的调度算法.     

一种分布式动态负载均衡调度算法

目前计算机应用服务系统经常采用集群系统,负载均衡调度是集群系统的关键。在通用负载均衡调度算法的基础上,提出一种分布式动态负载均衡调度算法.该算法动态收集、统计和分析服务器的信息,以此为根据完成服务器负载均衡的任务,能够实现集群正常调度.在此基础上,采取分布式调度的策略,提高负载均衡调度的效率、性能,以使其对业务系统整体性能的影响最小。     

一种新型的云任务调度算法研究

云计算具有弹性、保证服务质量和按需的资源配置模型等特征,通常用于处理大批量的计算任务,因此任务调度策略对资源使用效率起着至关重要的作用.考虑到任务的数量和到达服务器的时间不确定性,并且用户对任务的执行往往有一定的期望(如任务优先级、执行时间等),如何合理地分配计算资源,最大程度满足用户的服务质量需求是一个值得研究的问题.为此,提出了一种新型的云环境下QoS-aware服务质量感知的任务调度算法(QTS),该算法结合贪心算法的思想,并加入了任务完成满意度模型作为任务调度的评价依据.通过扩展CloudSim仿真平台进行实验,将QTS与RR调度、Max-Min和Min-Min调度比较,结果表明,QTS是一种有效的任务调度算法.     

异构分布式系统中实时可任意切分任务调度算法

针对异构分布式系统中最大化实时可分任务服务收益和最小化任务完成时间的任务调度问题进行了研究.为在保持较高任务接受率条件下最大化服务收益,提出了三种有效策略:(1)同时考虑服务收益和任务完成截止时间的任务接受/拒绝判断策略;(2)从等待队列里移除任务的策略;(3)考虑收益的最小松弛度优先的排序策略.为最小化任务的完成时间,设计了能够充分利用处理机空闲时间的调度算法以对接受的任务进行调度.仿真实验结果表明,提出的算法能够获得更多的服务收益、任务接受率和较小的任务完成时间.     

一种基于贪心策略的启发式云计算任务调度算法

提出了一种基于贪心策略的启发式任务调度算法,用于优化云计算环境下任务调度中执行时间。首先,给出了云计算环境下任务调度问题的形式化描述及其最早完成时间的启发式优先分配原则;接着,基于最早完成时间的优先分配原则,采用贪心策略难易交错地分配任务求得任务调度的初始解;进而,引入了任务对交换的收益值概念,采用贪心策略选择收益值大的任务对交换优化任务调度初始解的执行时间;最后,在Cloud Sim云计算仿真实验平台下进行了顺序调度算法、Min-Min算法、Max-Min算法和本文算法的对比实验,实验数据对比充分验证了本文算法既能减少任务执行时间,又能使资源负载相对平衡。     

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。     

认知MIMO无线网络中的多买家动态频谱接入技术

研究了认知MIMO无线网络中基于博弈论的动态频谱接入技术,以使得具有不同风险偏好的次级用户(买家)可以动态地选择竞标策略,同时主用户也可以根据系统情况,自适应地调整拍卖机制。基于非合作博弈设计了一个有限离散博弈模型,该博弈至少有一个混合策略的纳什均衡。基于自动学习机的概念,设计了一个有限反馈的分布式随机学习算法。仿真结果表明,所设计的算法具有良好的性能,与传统的固定竞拍机制和随机的选择竞价策略相比,该算法能够帮助主用户获得更高的利润,且让次级用户根据自身的风险偏好,选择一个合理的竞拍策略。     

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．     

一种面向动态异构多处理器的任务调度算法

提出了基于遗传算法的面向动态异构多处理器的调度算法(Heterogeneous Scheduling Genetic Algorithm,HSGA),该算法利用连续的多个调度时间片完成遗传算法的迭代计算,在保证计算效率的同时获得较好的调度结果,从而为每个应用选择符合其计算特性的处理器内核.仿真实验表明,本文算法在4核、8核和16核的平台上相比较于经典的匈牙利算法ED2仅分别增加了0.4%,1.1%和1.3%,新的调度算法相比于匈牙利算法和Local调度算法具有更好的调度效果及更好的动态适应性.     

协作通信中双中继的服务和频谱价格竞争

协作中继通信中,为了促进节点的协作,研究了协作通信中理性的双中继面对相同用户群的竞争行为。利用博弈论,建立了一种促进空闲节点参与协作且便于用户监控服务质量的频谱买卖模型;基于该模型研究了有固定空闲频谱和非固定空闲频谱的双中继定价策略。对有固定空闲频谱的双中继的价格竞争,证明了纳什均衡的存在和唯一性,给出了实现纳什均衡的分布式价格调整算法;对可灵活申请频谱的双中继的价格竞争,设计了引导两中继分布式达到纳什均衡的定价策略,在该机制下,两中继实现了维护各自用户群的最大效益。     

Distributed Nash equilibrium seeking design for energy consumption games of HVAC systems over digraphs

The energy consumption problem of heating, ventilation, and air conditioning systems over general directed graphs is investigated. The considered problem is firstly reformulated as a Nash equilibrium seeking problem, and a distributed consensus-based algorithm is then proposed to solve it. To address the challenge arising from general directed graphs, a distributed estimation algorithm is embedded such that the explicit dependence on the left eigenvector associated with the eigenvalue zero of the Laplacian matrix can be avoided. Then, the exponential convergence of the proposed distributed Nash equilibrium seeking algorithm is established under a standing assumption. A numerical example is finally provided to verify the effectiveness of the proposed algorithm.     

基于优先级权重的 Hadoop YARN 调度算法

为解决 Hadoop 现有调度器调度任务时不能根据任务的紧迫程度分配资源的问题, 研究 YARN 中的资源 调度机制, 改进原调度器(Capacity Scheduler), 提出一种基于优先级权重的 Hadoop YARN(Yet Another Resource Negotiator)调度算法(Weight Scheduler Based on Priority)。 为叶子队列设置队列优先级, 结合队列资源利用率和 队列优先级选择队列; 将应用程序的初始权重设置为应用程序优先级的大小, 通过等待时间判断是否更新权 重, 根据权重对队列中的应用程序进行排序, 调度时优先为权重高的应用程序分配资源。 实验结果表明, 与原 有调度算法相比, 改进算法平均任务执行时间约减少 141 s, 平均等待时间减少 34. 5%, 保证了用户执行任务 的相对公平, 提高了用户总体满意度。     

面向云制造的有限资源多任务调度博弈

为解决云制造环境下云服务组合优化调度问题,在深入分析目前优化调度问题存在的难点及研究不足的基础上,提出一种云制造环境下有限资源的多任务调度模型。考虑服务需求者间存在的利益冲突及重要的服务评价指标,以每个服务需求者作为博弈参与者,将每个任务的执行制造路径当作博弈策略,把时间、合格率、成本和服务质量组成的综合服务水平看作博弈支付函数,最终把有限资源的多任务调度问题转变为多个静态非合作博弈问题。在此基础上,将求解纯策略纳什均衡解的过程编制为算法,该算法所得的均衡解为每个任务的最终执行制造路径。实验仿真表明该模型及算法具有可行性及有效性。     

基于可信度策略的校园网格作业调度算法

为了实现校园网上的资源共享,降低资源浪费,文中讨论了基于网格技术的校园网作业调度模型,并设计和实现了基于可信度遗传算法的作业调度方法.该方法采用资源可信度策略,同时结合遗传算法的优点,满足了网格对调度系统可扩展性和全局最优调度的需求,从而使调度系统具有了一定的自主性和智能性.实验结果表明该作业调度方法收敛速度快,全局寻优能力强,整体性能优于其他调度算法.     

网络控制系统二维优先级和带宽调度策略研究

研究了一种基于二维优先级和带宽调节的网络控制系统调度问题。在调度器的设计过程中,为对优先级和带宽进行协同调度,将任务的执行次序通过任务的一级优先级和任务的二级优先级决定,并在二维优先级调度机制中进一步引入二维带宽控制策略,以根据用户需求实时动态调整网络带宽,从而改善网络环境,克服了现有调度策略的不足。最后,通过仿真分析验证了调度算法的有效性。     

负载均衡的分布式系统任务调度优化算法

针对当前分布式系统任务调度算法存在节点负载不平衡,资源利用率低等缺陷,提出一种基于负载均衡的分布式系统任务调度优化算法.首先分析了当前分布式系统任务调度优化算法的研究现状;然后对节点的实时性能指标进行估计,并根据估计结果分配不同的任务;最后通过仿真实验与其他算法进行对比.实验结果表明,相比于经典分布式系统任务调度算法,该算法缩短了任务完成时间,使得系统各节点的负载更均衡,提高了节点资源的利用率.