网格中流水式计算的一种任务指派算法

为取得网格中流水式计算的高吞吐率,提出一种任务指派算法X max min.在一个流水线中,任务彼此是并行的,且每个任务本身是可并行化的.当多个任务被指派到同一个并行系统时,通过最小化任务计算成本的最大值确定每个任务分得处理机的个数.任务用于收发数据集的通信成本依赖其他任务的指派,故当相关任务的指派未完成时,需要在任务通信成本中引入均值估计.任务响应时间是计算成本和通信成本之和,它是任务指派的函数.用max min算法确定任务指派,可有效降低任务响应时间的最大值,从而使流水线的吞吐率得到提高.仿真实验表明,X max min算法使流水线取得的吞吐率与复杂的Taura算法相当.     

网格中数据并行流水线的任务指派优化

为缩短网格中数据并行流水线在吞吐率受限下的延迟,提出了一种优化任务指派的算法.在一个流水线中,每个任务都可以是一个数据并行程序.当多个任务被指派到同一个并行系统时,假设每个任务排它地使用一组处理机.     

p_HPF并行编译器对数据并行和任务并行的支持

p_HPF是一个基于cluster体系结构的HPF并行编译系统,它不仅支持数据并行计算范例,而且也支持任务并行范例。给出了p_HPF并行编译系统的体系结构和实现策略,介绍了p_HPF实现数据并行和任务并行的机制,包括数据分布方法、外部过程调用等。还给出用p_HPF求解N_body、快速傅立叶变换、单炮地震资料的处理等应用实例。     

p-HPF并行编译器对数据并行和任务并行的支持

p-HPF是一个基于cluster体系结构的HPF并行编译系统 ,它不仅支持数据并行计算范例 ,而且也支持任务并行范例。给出了 p-HPF并行编译系统的体系结构和实现策略 ,介绍了 p-HPF实现数据并行和任务并行的机制 ,包括数据分布方法、外部过程调用等。还给出用 p-HPF求解N-body、快速傅立叶变换、单炮地震资料的处理等应用实例。     

DLX流水线中数据相关性的研究

流水线一直以来都是提高计算机性能的好方法,如何提高流水线的效率一直是人们关心的问题。本文通过在WinDLX上模拟DLX流水线,探讨数据相关给流水线性能带来的影响,并给出一些初步的解决方案。     

多路并行流水线型基22FFT算法实现

FFT算法作为OFDM系统的核心算子占用其系统处理的大多数时间,为提高OFDM系统数据传输速度,提出了一种改进的多路并行流水线型基22FFT实现架构。在实现过程中着重对旋转因子的存储进行片上缓存优化,减少了乘法运算次数从而减小整体运算复杂度;设计的数据整合模块用于控制时序,从而保证P路并行流水型架构正确实现,数据运算吞吐率成P倍提高。RTL仿真结果表明,与同类架构相比,提出的架构在硬件开销适中的同时使得性能分别提升了127%、204%、5088%,并且具有FFT点数可扩展的特点,可满足随着通信标准的不断提高,FFT点数逐渐增大的实际应用需求。     

网格计算中的简单任务划分方法

网格计算是新型的分布式计算技术,针对网格计算所需要的任务划分技术,有很多划分任务的方法,但这些方法过于复杂.提出了一种简单的基于无向带权图的矩阵子任务合并方法,通过矩阵的输出结果,进而选择合适的计算方式,并且根据网格的构成情况进行高效的子任务分配.     

并行流水线LMS算法及其性能分析

通过将并行处理方法引入流水线LMS(PIPLMS)算法的设计,提出一种新的并行PIPLMS算法.与常规PIPLMS算法相比,提出的算法具有更小的流水时延,更高的数据吞吐率,更快的收敛速度和更大的保证算法收敛的步长因子μ选择范围,同时对具有相关性的输入具有一定的去相关作用,特别适用于滤波器阶数高,要求系统收敛速度快的应用场合.也便于系统硬件设计.     

数据挖掘中并行离散化数据准备优化

在海量数据挖掘中,针对元数据的离散化数据准备处理能有效提高数据挖掘效率.本文提出了一种并行比较并获得最优离散化的数据准备算法(AOA),针对不同数据集,先进行数据集的特性检测以获得数据集分布特性,按照分布特性进行数据集的异常值检测和剔除,并行完成与分布特性适配的离散化方法处理,通过比较不同离散化方法的熵、方差指数、稳定性参数的最小欧氏距离,根据三个参数自动化比选,获得最优离散化的预处理成果.仿真表明,对不同样本数据库进行关联规则挖掘结果中,比较四种固定的离散化数据预处理方法,在使用AOA数据准备算法并行比选出最优的离散化来数据预处理后,在不同最小支持度阈值情况下,挖掘得到关联规则数都更少,因此效率得到提高.     

异构任务图在网格环境中的调度实现

并行分布计算环境的任务调度一直是并行计算研究的热点问题，网格技术的发展则对任务调度提出了新的要求。本文采用带参数的有向超图表达异构任务图，为具有一般性、异构性、分布性、动态性等特点的任务请求提供了通用描述方法。通过设计网格异构任务图描述语言GHDL，实现了网格任务请求的统一封装以及任务请求在异构环境下的计算机理解和识别。通过设计自适应调度策略库，为分布异构动态网格环境下的任务调度提供有效解决方案，实现了在考虑网格任务间优先约束与数据关联的同时，采取异构宿主机识别、异构客户端自动创建等方式开发利用环境异构性与任务异构性，采取实时网格状态信息采集与任务迁移屏蔽了资源动态性。异构任务图在网格环境中的调度效果由树生长的仿真实验进行了展示。     

异构型无人机群体并行任务分配算法

异构型无人机(UAV)群体任务分配机制起着至关重要的作用,分析了并行任务分配的特点,以时间消耗最短为优化目标,建立了整数线性规划的任务优化分配模型。对基本遗传算法进行了改进,提出了有效降低算法复杂度的编码方案,建立了相应的适应度函数,改进了现有遗传算法的变异策略。仿真案例表明该算法具有较强的寻优能力,能够有效地完成异构型群体UAV的并行任务分配。     

网格计算中任务的优化分配

网格计算是一种新兴技术,有很多的优点,也有亟待解决的问题。阐述了网格计算的基本概念及其几个关键性问题,就网格计算中任务分配问题,着重考虑工作完成时间和所耗成本,提出了A*R和OASS两种算法,并对测试结果进行了分析比较。     

摄像机网络中基于任务域的任务分配方法

针对智能交通应用场景中摄像机网络的任务分配问题, 提出一种基于任务域并综合考虑节点负载和任务服务质量的任务分配方法。在保证任务服务质量的基础上, 使用了一种基于节点间相对价值的任务转移策略,并在嵌入式智能摄像机网络系统上实现了上述方法。实验结果表明, 该方法相对于传统任务分配方法, 系统平均资源利用率提高约50%, 任务分配成功率提高约40%。     

反导作战任务分配方法

为充分发挥反导体系的作战能力,探讨了多任务与多资源的多属性匹配问题。以任务为中心进行反导任务分配,给出了多任务分配问题的描述。结合反导资源作战使用的实际情况,分析作战任务和资源的多维属性。通过引入资源能力负载系数,定义任务需求与资源能力之间的矢量距离。以资源冗余和最小化协同负载策略为优化原则,建立了任务分配数学模型。借鉴和改进多维动态列表规划算法的思想,设计了具体的求解步骤,确定了任务选择资源的优先级。通过案例分析,验证了所提方法的适用性。     

机器人履约系统任务分配与货架储位再指派联合优化

为优化移动机器人履约系统（Robotic Mobile Fulfillment System,RMFS）中移动机器人运行成本,提出一种考虑移动机器人任务分配和货架储位再指派的联合优化策略。以移动机器人完成任务成本最小为优化目标,构建考虑移动机器人重载和空载成本差异的数学模型,并用遗传算法对模型进行求解。经与返回原位置及返回距离拣选台最近位置两种策略进行仿真实验对比,结果表明联合优化策略可以有效降低移动机器人完成任务成本,提高拣选效率。     

多处理器系统最优任务分配问题的一个近似算法

多处理器系统上的最优任务分配的研究是有效利用系统资源处理实际问题的热点课题,文章在考虑任务可分和任务不可分的两种多处理器最优任务分配问题上,首次提出了这两个问题在处理器的个数大于１时都是ＮＰ－完全问题,其次给出了一个有效的近似算法,     

基于动态影响因子的任务分配策略

针对当前任务分配问题的现状和不足,综合考虑任务难度系数、责任意识、经验值、任务负载平衡、能力、社会关系、兴趣度、任务预期执行时间等对任务分配的影响,提出了一种基于动态影响因子的任务分配策略.     

软件组件供应商的模糊任务指派模型

以组件供应商参与软件产品的早期设计开发工作为背景,针对组件供应商中分配设计开发任务的问题,考虑组件供应商的设计能力、成本和开发时间的非精确性,提出了软件组件设计开发任务指派的模糊多目标规划模型.根据模型的特点运用α截集和扩展原理将模糊模型清晰化并求解.该方法利用质量功能展开(quality function deployment,QFD)工具确定软件产品中的组件权重,提出了改进的组件供应商参与下软件开发过程中的组件规划质量屋的结构模型.最后,以具体实例说明模型和方法的应用.