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．     

一种基于改进蚂蚁算法的网格任务调度策略

网格是分布式高性能计算的一个主要发展方向.任务调度问题的解决是网格得以充分发展的基本前提.提出了一种基于改进蚂蚁算法的网格任务调度策略.不同于传统蚂蚁算法,改进的蚂蚁算法通过在处理任务前后分别调整信息素来准确地反映资源的性能.任务调度将选择由改进蚂蚁算法产生的性能最佳的资源来处理任务.改进蚂蚁算法以及任务调度策略的有效性已被OP-NET上的仿真结果所验证.     

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.     

基于评价函数的动态协同任务调度算法

针对复杂网格环境中节点资源动态变化及大量任务协作访问的问题,提出一种基于评价函数的动态协作任务调度算法.该算法通过为网格中的协作任务与协作成员建立随时间变化的任务评价函数和协作成员评价函数,实现动态网格环境中的任务协同调度.理论分析与仿真实验表明：与基于合同网的分布式合作调度算法相比,本算法能够减小系统开销,提高资源分...     

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.     

多DAG任务调度算法

多DAG任务调度问题是当前研究的热点,为了提高任务调度的效率以及资源利用率,各个DAG的调度顺序以及每个DAG内部任务之间的调度顺序成为研究任务调度问题的关键。提出了一种基于分布式异构计算环境的多DAG任务调度模型和多DAG任务调度算法MDTS(multi-dags task scheduling algorithm)算法。算法首先对多个DAG任务进行合并,通过增加一个入口任务节点和出口任务节点的方法将多个DAG合并为一个DAG;然后根据每个任务节点的计算代价的方差以及平均通信开销对任务进行排序;最后基于HEFT算法降序对各个任务进行处理机调度。实验证明,MDTS算法在任务调度跨度、任务调度平均等待时间以及平均Slack方面均优于Sequential、Interleave算法。     

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。     

网格任务调度问题求解的萤火虫算法

为了获得更优的网格任务调度方案,针对网格环境特点以及标准萤火虫算法存在的不足,提出了一种基于改进萤火虫算法的网格任务调度优化模型.对网格任务调度优化问题进行了分析,建立了网格任务调度的数学模型,引入非均匀变异算子和自适应步长的搜索策略,加快算法的求解速度和精度,并将改进萤火虫算法用于网格任务调度问题求解,通过萤火虫之间的信息共享和交流找到网格任务调度最优方案,采用仿真对比实验对其有效性和优越性进行测试.结果表明,相对于其他网格任务调度优化算法,改进萤火虫算法可以快速、准确地找到网格任务的最优调度方案,提高了计算资源的利用率,保证了网格系统负载均衡,尤其对于大规模网格任务调度问题,具有更加明显的优势.     

网格协同设计环境下基于资源负载均衡策略的任务调度优化模型及其算法

为了解决协同环境中的冲突问题,设计了一种基于现代协同设计系统的网格仿真模型,并结合免疫克隆算法和遗传算法的优点,提出了一种网格任务调度优化模型和遗传克隆负载均衡算法.仿真实验结果表明,这种调度算法有效地实现了资源的负载均衡,克服了遗传算法容易陷入局部最优的缺点,可以成功地应用于网格任务调度中.     

改进蛙跳算法的网格任务调度优化模型

为解决当前调度模型存在的局限性, 以更好完成网格环境下的任务调度目标, 结合网格任务调度的NP(Non-deterministic Polynomial)问题特点, 提出了改进蛙跳算法的网格任务调度优化模型。首先以网格任务完成时间作为调度优化指标, 然后采用蛙跳算法找到最优的网格任务调度方案, 并对蛙跳算法存在不足进行改进,以改善算法工作性能, 最后在网格仿真平台GridSim 上进行性能验证分析。实验结果表明, 改进蛙跳算法可较好完成网格任务调度, 缩短了任务完成的时间, 资源负载更加均衡, 而且性能明显要优于其他算法。     

液压机控制系统的多任务可调度性研究

针对嵌入式控制系统,通过液压机控制系统的设计与仿真,提出了控制与调度协同设计方法。首先,分析液压机控制系统功能和性能需求,研究了实时系统的选择和控制任务划分对嵌入式控制系统性能的影响;接着分析固定优先级算法、单调速率算法、最短时间限优先算法及抖动控制;最后,采用Matllab/Simulink和Truetime工具箱,通过调整任务划分、模型及调度算法等,对液压机控制系统的多任务进行仿真验证。仿真结果表明：可以获得最优的调度算法、任务划分及减小的输出抖动,这证明了控制与调度协同设计方法是有效的。     

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。     

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.     

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.     

网格环境下的高效动态任务调度算法

网格系统具有异构性、动态性和分布性，这使得网格中的任务调度变得十分复杂，要求调度算法具有动态性和自适应性．文中将群体智能技术引入网格的任务调度中，针对一组相互独立的任务调度问题，提出了一种新的动态任务调度算法．该算法利用蜂群与环境的交互模型来实现网格中动态的任务分配；同时根据蜂群的自组织社会层次的概念，解决了算法中出现的竞争问题．实验结果表明，相比于现有的方法，该算法对于网格中的动态环境具有更好的适应性，且调度性能更优．     

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。     

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。     

TTCAN周期性任务的优化调度算法

TTCAN周期性任务调度是最优装载问题的推广,它在通信时间关键的实时分布式系统中有着很强的应用背景.本文提出了4种确定基本周期的策略,给出了首次适应和最佳适应两种不同的可以在多项式时间内构造出TTCAN周期性任务调度表的算法,最后对不同规模下的两种算法的实验结果进行了比较,指出了两种算法在不同的周期策略下的渐近性能比.