基于服务网格的动态负载平衡调度算法研究

为了提高资源利用率和系统的吞吐率,需要实现服务网格系统内负载的均衡分布.提出了层次式动态负载平衡调度模式,详细介绍了负载平衡系统的系统结构.作业分配是负载平衡系统中的核心机制.设计并实现了一种综合考虑各局部代理作业数和各个局部代理性能以及当前负载情况的动态双阀值作业分配算法.试验数据表明,该作业分配算法较传统调度算法综合性能有较大提高.在作业数较多时,该作业分配算法性能更好.     

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。     

基于动态权值的B-Spline光顺算法

在计算机辅助设计、虚拟现实、数字多媒体系统设计中,B样条曲线是一种进行几何形状设计和构建真实感图形的重要工具。曲线的光顺性对最终产品的外观质感有着直接影响。文章在前人研究的基础上,给出了一种基于能量的及动态权值光顺算法（DWEF）。DWEF在改进传统能量优化方程的基础上加入“运行时加权”的概念。应用DWEF使得系统能够智能地对不同曲线采取不同的光顺参数,以取得更好的光顺效果。     

一种基于蚁群算法动态均衡的网格任务调度

网格资源分配属于NP-难问题,为了更好地解决该问题,首先建立一种性能QoS优化的作业级网格任务调度模型和目标函数,并对资源和任务数进行了分析.提出了基于动态信誉度的改进蚁群算法RACO(reputation-based ACO)进行网格任务调度,RACO引入空间效率和时间效率的动态调节因子,同时采用局部和全局信息素更新策略.仿真实验表明,RACO在资源利用率、动态均衡方面优于Min-min,Max-min和ACO算法.     

基于卡尔曼滤波的动态权值融合

在雷达航迹融合过程中,采用多传感器测量值融合的方法能够摒除单一信息源不全面的缺点.加权平均融合为广泛使用的融合方法,但传统的权值固定的加权平均融合虽然能综合多路传感器信息,却无法自适应的根据测量值优劣倚重更有利的测量信息.因此,本文提出将固定权值改进为动态权值的融合方法,实时改变各路测量信息参与融合的权重.每次融合前,先将多路传感器测量值求简单算术平均后进行卡尔曼滤波,把滤波后的值与各路测量值作差,这相当于对传感器信息的优劣作出预判,每路测量信息的融合权值则与该差绝对值成反比.最后,通过仿真实验证明,该改进方法较之前的加权平均融合明显提高了目标的融合精度.     

基于网格的动态服务组合算法

提出了基于网格的动态服务组合模型与算法.首先检查需求语义形成服务的功能候选图;然后应用服务选择算法形成优化组合模型;最终选择理想的服务组合,并用实验进行模拟验证.结果表明,提出的模型和算法为用户提供了满意的服务功能.服务组合可聚合独立的、可重用组件,提供面向用户的服务.     

面向工作流的网格服务动态调度

在网格应用中使用工作流技术,并采用动态调度算法来调度网格服务可以更好地适应网格运行环境的动态性。给出了网格工作流的层次结构和基于工作流的网格服务动态调度算法D-DAG,实验结果表明D-DAG比传统的调度方法具有较好的优越性。     

基于边缘云的动态和抢占式任务卸载调度算法研究

边缘云计算系统被广泛用于支持各种计算服务。针对边缘云计算环境中的任务卸载调度问题,考虑边缘云系统下的动态性和抢占式任务卸载调度,提出一个基于贪婪模拟退火启发式算法的在线卸载框架(SAOF),根据任务所需的传输延迟以及计算时间,进行周期性的卸载和调度计算,考虑独立任务的随机到达性和资源的异构性,动态地将新到达的任务分配到合适的目的地(边缘服务器或云服务器),并根据每个任务的延迟敏感性,抢占式地为其分配计算资源,使所有任务的总加权响应时间最小化。最后,在多组参数组合下生成测试实例并进行性能评估实验,将SAOF算法与3种优秀的卸载调度优化算法(Selfish算法、Nearest算法和OnDisc算法)进行对比,实验结果表明,SAOF算法能更有效降低所有任务的总加权响应时间。     

基于蚁群算法的网格资源分配与调度研究

网格环境下的资源分配与调度是一个NP难问题，蚂蚁算法是解决这类问题的有效算法．文章提出了改进的蚁群算法．该算法采用伪随机比例规则，不仅在网格计算资源完成任务后进行信息素的整体更新，还要求预分配网格计算资源时进行信息素的局部更新．模拟实验表明该算法是一种快速，有效，负载更均衡的算法．     

排队时间感知的动态网格工作流调度

网格资源站点的可靠性将影响站点上任务执行性能,从而影响其他任务的排队等待时间.利用可修排队系统对网格资源站点进行可靠性建模,通过模型求解获得稳态下各资源站点的排队等待时间,提出了排队时间感知的动态网格工作流调度算法并设计了动态网格工作流调度的原型系统.基于GridSim进行了不同网格系统环境设置场景下的仿真实验.实验结果表明,本算法在不同负载和不同失效率的情况下其完成时间明显优于HEFT和CPOP算法,且在平均等待时间方面也比这2种算法高出了50%左右.     

基于代理的动态分组调度算法

服务质量(QoS)是当前通信领域的一个重要研究方向。在已提出的许多QoS体系结构中,调度器都起着非常重要的作用,而以往的调度算法不能很好地根据每个队列长度来实时控制权值的动态调整，针对此问题，提出了一种权值动态分配的调度算法。它利用代理技术动态控制权值的分配，保证调度器能够相对公平的对待每个队列，有利于处理分组突增的情况，保证长队列中的分组不会被过多丢弃，从而提高网络服务质量。     

基于代理的动态分组调度算法

服务质量（QoS)是当前通信领域的一个重要研究方向，在已提出的许多QoS体系结构中，调度器都起着非常重要的作用，而以往的调度算法不能很好地根据每个队列长度来实时控制权值的动态调整，针对此问题，提出了一种权值动态分配的调度算法，它利用代理技术动态控制权值的分配，保证调度器能够相对公平的对待每个队列，有利于处理分组突增的情况，保证长队列中的分组不会被过多丢弃，从而提高网络服务质量。     

一种基于区分服务的无线分组公平调度算法

基于无线基站进行高速分组交换时，采用有良好公平性及时延保证的调度算法对实现区分服务网中每跳转发技术至关重要，提出了一种两层结构的应用于区分服务无线接入网的无线分组调度算法，该算法能很好地满足区分服务结构下各类业务的服务质量要求．理论分析和仿真表明，当无线链路突发错误时，该算法能提供较好的时延性能和短期公平性．     

一种加权欧氏距离负载均衡云任务调度算法

云计算通常需要处理大量的计算任务,任务调度策略在决定云计算效率方面起着关键作用。本文提出一种加权欧氏距离负载平衡(EDW-LB)的任务调度解决方案。仿真结果表明:该方法能够在保证任务完成时间的条件下,通过新的任务调度策略来提高用户对云计算任务的满意度以及资源的利用率,是一种云计算环境下有效的任务调度算法。     

基于误码率的模糊加权无线网络公平调度算法

针对无线网络中实现多连接时的公平性调度问题,提出了一种基于信道误码率的模糊规则自校正的加权公平调度算法.该算法通过对链路误码率的定期测量,利用模糊算法对信道的当前状态进行推理判断,从而使各链路的调度权值跟随信道的状态自适应地调整.算法中还引入模糊规则自校正算法,以使其具有自寻优能力.仿真结果表明,所提算法能有效地改善系统的吞吐量及带宽分配的公平性,当信道误码率较高时,系统平均吞吐量比传统加权轮询调度算法提高14倍,而公平性系数仍达到0.8以上.     

基于免疫算法的带软时间窗车辆调度问题

在对带软时间窗车辆调度问题(VSPSTW)简要叙述的基础上建立了VSPSTW数学模型。针对VSPSTW问题,构造一种免疫算法来求解VSPSTW,并提出了一种新的抗体编码、改进的亲和力计算方法,将求解结果与遗传算法比较。结果表明:该算法对于求解VSPSTW问题具有较好的性能和更好的鲁棒性。     

基于动态聚类和遗传算法的跟踪误差优化研究

针对传统按相关系数高低进行选股并使用简单的非线性规划进行跟踪误差优化的方法进行改进,以沪深300指数为目标指数,根据动态聚类方法进行选股,基于遗传算法进行优化求解分配最优资金配置权重,在一定约束条件下构建指数投资组合,实现跟踪误差优化目的.实证结果表明,结合动态聚类与遗传算法构建指数投资组合,比传统的相关系数法选股并进行非线性规划求解能得到更小的跟踪误差和更好的目标指数拟合效果,目标指数跟踪拟合效果更为有效.     

基于人工蜂群算法的现场服务调度问题研究

现场服务调度问题是一类极为复杂的NP难题,是影响现场服务效率的关键问题。针对现有研究中未考虑客户满意度的问题,综合运用前景理论与模糊理论,以降低客户平均不满意度为目标,建立了有时间窗约束的现场服务调度问题模型;并借助改进的最廉价插入法与人工蜂群算法结合的方法对该问题进行优化求解。最后,通过算例仿真发现,与传统的贪婪算法相比,人工蜂群算法在优化质量和鲁棒性方面的优势更为明显。