三角网格细分模式的统一框架

通常情况下，三角网格细分模式由面分裂的初始模式和点分裂的对偶模式构成。为两种不同的模式提出了一个统一框架。定义了复合细分操作，并对当前流行的几种模式进行了分析。在此框架基础上，将三角网格细分模式进行扩展，对网格细分算法的研究和发展奠定新的基础。     

任务驱动模式重用方法的应用及开发

在介绍任务驱动的模式重用方法的基础上,就该重用方法的应用提出了通用模式的开发和框架特化模式的开发两种应用策略。并以通用模式设计中抽象类工厂模式为例,深入探讨了开发一个可重用的通用模式的实施步骤。     

采用非结构化网格求解颗粒流的一种数值方法

离散颗粒模型是计算稠密颗粒两相流的一种重要模型,该模型通常采用硬球模式描述颗粒间的作用。提出一种在二维非结构化网格下结合硬球模式求解颗粒群运动的数值方法,对颗粒间的碰撞检测策略进行了优化,通过对颗粒采用局部移动的方法大大提高了计算的效率。数值算例显示在颗粒粒径小于网格尺度时,该方法能适应多种类型的网格,这为进一步实现不规则区域下稠密颗粒两相流的数值模拟奠定了基础。     

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。     

基于随机petri网的网格工作流调度模型研究

针对网格工作流中任务调度的建模难题,使用随机Petri网(SPN)这种高级网系统,为系统建模提供强有力的支持。首先对SPN的基本概念和建模特性进行了介绍,在参考网格环境下目前工作流调度模型的基础上,提出了分层的网格工作流应用程序(任务)调度模型。并针对已有的几种网格工作流调度策略设计出基于SPN的模型,在此基础上提出了一种改进的总体最小期望等待时间调度策略。最后在网格工作流环境下对几种策略进行了仿真试验,证明了这种调度策略具有较好的性能。     

不同网格尺寸下三种湍流模型数值模拟方柱绕流的比较

本文利用有限体积法采用Fluent软件对方柱绕流流场进行了全面数值模拟。影响钝体周围流场的数值模拟结果的因素主要有四种计算区域的尺寸、计算网格的大小和分布、离散格式的精度阶以及湍流模型。本文考虑了三种湍流模式(标准k-ε模式,RNGk-ε模式,realizablek-ε模型)对计算结果的影响,给出了数学模型和计算结果,并与实验数据进行了比较,旨在考虑不同模型计算结果的差异;同时对每种模式采用了五种不同的网格大小尺寸,比较了近壁面网格尺寸大小对计算结果的影响。结果表明,网格太粗或太细都影响结果的正确性,因此必须选一种合适的网格尺寸。     

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.     

网格资源管理系统中的任务调度策略研究

网格计算是继Internet和Web技术之后，又一次信息技术浪潮。由于资源具有广域分布、异构、动态等特性，网格环境下的资源管理和调度是一个非常复杂且具有挑战性的问题。通过分析比较当前多种环境下任务调度策略的基础之上，提出了一种适用于网格资源管理系统的多次映射任务调度策略。该策略在追求最短任务完成时间的同时，兼顾到了不同用户的需求，从而更好的适应了网格资源动态变化的特性。     

网格资源的竞争调度策略

针对由于网格结点不可靠而引起网格计算不可靠的问题,提出了网格任务的分级竞争调度策略和网格计算中的容错方法,研究了网格计算的可靠性和时效性。基于竞争策略的网格任务调度机制,在保证网格计算的可靠性基础上,自动消除可靠性差、资源能力弱的结点对系统性能的影响,使得网格计算的时效性较优和总体性能最优。     

一种基于性能评估的元任务调度算法

在保障本地任务QoS需求及尊重网格节点的本地调度策略的条件下,提出了一种资源动态性能评估方法,并得出了2个资源动态性能的评估尺度.基于网格资源可用性的相关结果,利用概率法得出网格节点服务于网格任务的平均能力.利用热力学中熵的概念对网格节点状态的动态变化不确定性进行了评估,并得到刻画网格节点状态不确定性的定量值.在资源动态性能评估的基础上,提出了一种基于性能评估的元任务调度算法.仿真与评估结果表明,所提算法在服务拒绝率、网格任务执行跨度方面优于以往算法,且在网格用户的QoS保障程度上有所增强.     

网格访问控制及对RBAC模型扩展的研究

访问控制是网格安全中的一个重要问题,其目的是要实现在异构、动态的网格环境下对资源的授权访问。讨论了现有各种访问控制技术及其应用,根据网格计算的特点,对传统的基于角色的访问控制(RBAC)方法进行了扩展,提出了一种基于角色的动态最小权限角色分配、跨域访问控制模型,达到了动态最小权限角色分配及支持跨域访问控制的目的。     

CNGrid GOS安全:设计与实现

分析了网格计算环境中的安全问题,并提出了针对中国国家网格系统软件(CNGrid GOS)的安全框架,即使用证书来处理相互的认证,利用虚拟组织层次的访问控制决策和资源层次的访问控制实施进行处理授权.通信安全是通过在传输层使用安全套接字标准(SSL)、在消息层使用Web服务安全(WS-security)标准实现的.此安全框架已在CNGrid GOS中实现,且在中国国家网格环境中部署.     

基于无中心式网格调度的分析与研究

分析了无中心式网格调度和调度策略,实验模拟了无中心式网格调度、计算系统之间的性能差别,每个计算系统的本地调度采用保守式装填法,网格工作负荷由模型得到,并用一段工作负荷的平均响应时间衡量调度性能.     

网格环境下基于序贯博弈的性能-效率平衡型优化

为优化应用执行性能和提高系统资源效率,针对网格环境下的资源映射问题,文中提出了一种基于序贯博弈的优化策略.该策略根据平衡的思想,将资源映射过程分为活动分发和处理器分配两个阶段,通过有限次博弈后获得优化解.文中还给出了衡量应用执行性能的重要参数——信任度的计算方法.仿真实验检验了优化策略的可行性和有效性.结果表明,与Min-Min算法相比,文中的优化策略具有更低的时间复杂度、更优的应用执行性能和更高的资源效率.     

网格体系结构研究

目前,网格体系结构主要有五层沙漏结构和OGSA．它们存在标准化程度低、动态性不足、分布的透明性差、应用开发模式复杂等问题．为解决这些问题,提出一种新的网格体系结构——基于虚拟计算机的网格体系,这种体系具有标准化程度高、动态性好、应用开发容易等特点,可为网格计算提供开发简单、高度分布透明的单一计算机平台．     

低压微网多逆变电源的综合控制策略设计

针对微电网通常是接入低压配电网的情况,分析了低压微电网输电线路与传统高压输电线路阻抗比的差异,对低压微网功率传输进行了理论修正.在此基础上采用不同的控制策略对低压微电网进行综合控制,联网模式下为了执行支撑本地电压和调节馈线潮流,微电源采用PQ控制策略;孤岛模式下为确保负荷能各自快速分担负载和电压频率稳定,微电源采用电压频率V/f下垂控制.为保证逆变器输出阻抗与线路阻抗相匹配,在逆变器控制策略中引入阻性虚拟阻抗,根据低压线路参数呈阻性的特点,对传统高压大电网下垂特性进行修正,通过旋转坐标正交变换矩阵,对电压频率V/f下垂控制进行了改进,使得传统的V/f下垂控制得以扩展应用于低压微网中.仿真验证分析,证明了低压微电网系统下设计的综合控制策略能够保证系统与运行的稳定性和可靠性.     

网格计算技术及其任务调度策略研究

对网格计算技术及其任务调度策略进行了论述与总结。首先介绍了网格计算技术的起源和网格系统应具备的基本条件,然后论述了网格计算不同于传统分布式计算的独特特征,接下来对网格计算的应用领域进行了简单探讨。最后从网格任务调度的特点、评价指标以及现有的调度算法等方面对网格计算的任务调度策略进行了详细讨论。全文工作将指导我们未来进一步深入研究网格计算。     

云计算环境中优化遗传算法的资源调度策略

资源调度是云计算的核心问题,传统遗传算法(GA)、Sufferage算法等都可以用于云计算环境中的资源调度,但传统遗传算法存在收敛慢、易早熟等缺点,Sufferage算法则不适用于多聚类环境的密集型任务调度.本文在充分考虑云计算环境的动态异构性和大规模任务处理特性的基础上,提出了一种基于染色体编码方式和适应度函数的改进遗传算法(IGA),并在云仿真器CloudSim上对3种算法进行了仿真.仿真结果表明,该算法在性能和服务质量QoS(Qualityof Service)方面都优于传统遗传算法和Sufferage,能更好地适用于大规模任务下的云计算环境资源调度.     

数据密集型计算环境下离群点挖掘算法设计与实现

在数据密集型计算环境中,数据具有海量、高速变化、分布存储和异构等特征,对数据挖掘算法的设计与实现提出了新的挑战.基于MapReduce模型,提出了一种网格技术与基于LOF方法相结合的离群点挖掘算法MR_LOF.Map阶段采用网格进行数据约简,将代表点信息发送给主节点;Reduce阶段使用基于密度的离群点挖掘算法,借助网格期望值E筛选出稠密区域.该算法只需计算稀疏区域对象的LOF值,降低了算法的时间复杂度.实验结果表明,在数据密集型计算环境中,该方法能有效的对离群点进行挖掘.