基于经济学的启发式网格资源调度算法

针对网格环境中资源调度的复杂需求,将现实世界中的经济原理和模型应用到网格环境下的资源调度中,并据此提出一种基于经济学的资源调度算法.首先,基于经济学中的一般均衡理论,结合集中式定价算法收敛速度快,以及分布式WALRAS算法扩展性好的优点,提出一种新的定价算法,提高定价速率;其次,提出一种能兼顾考虑资源调度的服务质量.时间以及费用的启发式算法,能更好地满足用户需求及开放复杂的网格环境.     

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。     

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.     

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.     

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.     

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．     

树型网格下独立任务的实用调度算法

讨论在节点计算能力和网络通信速度异构的树型网格下独立任务的调度问题。与最小化任务总执行时间不同（该问题被证明是NP难题[1]）,本文修正[2]中为树型网格平台任务调度问题建立的整数线性规划模型,针对多层树通过线性规划模型求解最优任务分配数的时间复杂性大（ ）的问题,引入推拉方法,将多层树线性规划求解归结为单层树求解,复杂性降低为 ,其中 ,m为树的层数, 为第j层中节点的数目最多的节点的子节点数。基于求出的近似最优任务分配数,提出一个静态分布式的启发式任务调度算法。分析和实验表明,在异构的树型网格下做大量的独立任务调度时,算法性能优于同类算法。 关键词: 任务调度; 网格计算; 线性规划; 最优任务分配; 分布式任务调度算法;     

基于PSO算法的网格任务调度策略

为了合理地协调和分配网格资源,降低网格任务完成时间,有效保持网格资源负载平衡,通过分析网格任务调度的关键问题和PSO算法的优化原理,建立了网格任务调度的元任务模型和性能指标的数学模型,确定了粒子编码和解码方式,提出了一种基于局部模型PSO算法的网格任务调度策略,并在PSO算法处理粒子边界问题时,采用了"圆桌运动"的新方法。仿真实验结果表明,算法可行有效,并且改善了PSO算法易陷入局部最优的问题。     

一种网格资源负载均衡调度算法

网格资源调度性能的好坏、效率的高低直接关系到计算网格系统的性能.本文在Min-min算法的基础上提出了一个资源调度启发式算法Dmin-min.在假设所有任务都是独立的情况下,考虑到系统中资源的动态性、异构性,从资源负载均衡方面对系统中的资源进行动态分配,仿真实验表明该算法在资源负载均衡方面比Min-min算法要好.     

网格环境下的静态启发式任务调度算法

针对网格环境中,任务调度的目标系统通常为任意连接的网络,程序大多数为密集型的并行分布式应用程序,提出了一个新的基于复制的启发式任务调度算法,该算法减少了任务在执行过程中重复查找最佳处理器的时间花费,可以同时执行多个应用程序,缩短了应用程序总的执行时间,并且平衡了处理器间的负载。实验结果表明:该算法能很好地符合网格的复杂环境,也能够更好地满足不同用户的实际需要。     

基于时态通讯图的启发式任务调度

在基于消息传递系统的显式并行程序设计环境下,用通常的前趋任务图有时很难精确表示任务间的偏序关系．本文首先提出了时态通讯图这一基本概念,然后说明了用ＴＣＧ表示并行程序任务间相互作用关系的一般方法以及ＴＣＧ的一些基本性质,并给出了基于ＴＣＧ的启发式任务调度方法．     

基于资源融合的网格任务调度模型与算法

讨论了网格资源计算能力和网络通信速度异构的树型计算网格环境下独立任务的调度问题,为单层树型网格计算环境下的任务调度问题建立了整数线性规划模型,并采用资源融合方法将多层树型网格计算环境下的任务调度问题转化为单层树型网格计算环境下的任务调度问题,建立了相应的数学模型.基于所提出的模型构造了两个任务分配启发式算法OPCH和OPBH.实验结果表明,在异构的树型计算网格环境下实现独立任务调度时,文中提出的算法比FCFS、Min-min算法具有更好的性能.     

基于蚂蚁算法的网格计算任务调度方法设计

网格环境中的资源情况和任务情况异常复杂,难以用实验测试各种资源管理和任务调度方法的有效性.文中提出一种网格仿真系统结构,并设计和实现了基于蚂蚁算法的任务调度策略,将任务调度和资源管理相结合,兼顾系统的负载平衡和QOS,取得了较理想的实验结果.     

基于免疫遗传算法的网格任务调度

研究了网格环境下任务调度问题,提出了一个任务调度机制:基于任务图将每一个可能的任务调度方案表示成一个任务-资源分配图,将网格任务调度问题转化为任务-资源分配图优化选取问题.提出了一种基于免疫遗传算法的、实现任务-资源分配图优化选取的任务调度算法.该算法将任务-资源分配图的最长路径作为抗原,每一个任务-资源分配图对应一个抗体.实验结果表明这个算法在全局优化能力及收敛速度上均有显著提高.     

网格中任务调度机制研究

文章详细介绍了网格调度的研究现状，然后分析了网格任务调度的相关组件及功能，以促进网格技术发展。     

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。     

基于启发式群聚算法的机器人全局任务调度策略

提出了一种基于启发式群聚算法的机器人全局任务调度策略，在任务划分阶段采用一种启发式群聚算法对随机划分的各子任务按能否使总的运行时间缩短进行各子任务间的聚合，以使各子任务粒度和相互之间的通讯量达到一种优化状态，并在此基础上对群聚之后的各子群任务采用集中式动态调度策略，在程序运行过程中实现各处理器的负载平衡，提高各处理器的利用率，缩短总的运行时间．在一个由5个DSP（digital signal processor）处理器组成的同构型松耦合MIMD（multi instruction multidata）并行处理平台上，对平面四自由度连杆机器人在关节锁定下的运动控制任务采用上述先随机划分，再聚合，最后集中式调度的方法进行了并行实时仿真实验，取得了满意的并行性能指标．     

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.