截止期约束下QoS导向的网格任务调度算法

网格系统具有异构性和动态性,同时运行在网格之上的任务对资源的需求也不同,从而使任务调度变得极其复杂.针对网格任务的资源QoS和截止时间QoS要求,提出一种截止期约束下的QoS导向的任务调度算法.采用GridSim模拟实验表明该算法相对于QoS-guided Min-min和MOR,任务完成比率得到了大幅度提高,同时能有效保证系统的负载均衡.     

基于QoS约束的网格任务调度算法

针对网格环境下不同类型的用户任务执行时间差异较大的问题,在对现有网格调度算法研究之后,基于Min-min算法和Sufferage算法提出了基于任务QoS约束与任务损失度的最小最早完成时间算法QDSM。算法克服了Min-min算法仅追求局部最优而忽视了全局的缺点。分析测试结果表明,算法实现了调度跨度与负载均衡、用户QoS约束的统一,在综合性能上有较大提高。     

基于QoS相似度的网格任务调度算法

针对网格环境下用户任务的多维服务质量(quality of service,QoS)要求,给出了一种基于QoS相似度的网格任务调度改进算法。该算法根据资源在各维QoS参数上提供服务能力的差异程度,计算出用户在各维QoS参数上的权重,并将任务分配到满足用户需求倾向的资源上执行。并采用GridSim工具包对提出的算法进行了仿真,实验结果表明,该算法不仅能满足用户的多维QoS要求,缩短任务完成时间,同时系统资源利用率也得到明显提高。     

网格环境下的任务调度研究

本文介绍了网格的基本概念,着重讨论了网格环境下计算任务在地理分布的各种资源之间的动态调度。这类问题可描述为将n个相互独立的任务分配到m个异构可用资源上以获取最小的完成时间和最大的资源利用率,这是一个NP完全问题。     

基于QoS相似度的网格任务调度算法

针对网格环境下用户任务的多维服务质量(quality of service,QoS)要求,给出了一种基于QoS相似度的网格任务调度改进算法.该算法根据资源在各维QoS参数上提供服务能力的差异程度,计算出用户在各维QoS参数上的权重,并将任务分配到满足用户需求倾向的资源上执行.并采用GridSim工具包对提出的算法进行了仿真,实验结果表明,该算法不仅能满足用户的多维QoS要求,缩短任务完成时间,同时系统资源利用率也得到明显提高.     

网格QoS的测量及基于QoS的调度

对网格QoS,QoS参数间的关系及基于QoS网格资源调度问题进行了研究.将网格QoS分为三层,对其中承上启下的虚拟组织层QoS参数进行了新的分类,并对层次之间QoS参数的映射转换过程进行了分析;在虚拟组织层QoS分类的基础上,提出了测量网格QoS的高效机制;将网格QoS的分层和测量运用到网格资源调度算法中,改进了现有的Min-Min算法,并进行了仿真实验.实验结果表明,基于QoS的网格资源管理可以有效提高网格资源的利用率和服务请求的成功率.     

基于蚁群算法的多QoS约束海量数据网格任务调度

针对海量数据计算网格任务调度问题,提出一种多Qos约束网格任务调度蚁群改进算法,优先考虑与数据存储网格结点间数据传输效率高、完成任务概率高的网格计算资源,通过调整蚁群算法中信息素挥发因子和传输导向因子的更新方法来提高算法的收敛速度和全局最优解搜索能力,从而达到调度目标最优.仿真实验结果表明,该算法与QoS-Min-min和QoS-Sufferage等同类算法相比,具有较好的综合性能,特别是在计算数据文件较大时,该算法在收敛速度和全局最优解搜索能力方面有明显的提高.     

浅谈网格QoS技术

随着网格技术的发展,网格计算中的QoS成为研究应用的焦点。论文对网格和网格QoS的定义,网格QoS的需求及其层次模型进行了描述,并讨论了QoS的研究现状与未来发展方向。     

网格任务调度算法比较研究

网格任务调度是根据采集到的信息将不同的策略任务分配到其对应的资源节点上加以运行。良好的调度策略能够充分的利用系统资源并行处理能力,保证用户任务能够按期完成,对网络应用的发展具有重要意义和深远影响。首先分析了网格任务调度模型和调度策略,然后对网格任务调度算法进行了比较分析,最后给出了各种网格任务调度算法的适用范围和网格技术发展方向,为进一步研究提供参考。     

基于信任驱动的网格资源调度算法

针对当前网格资源管理中作业与资源匹配的缺陷,基于信任效益函数和作业响应比,提出了同时兼顾性能QoS和信任QoS的资源调度算法.不仅考虑到作业资源对的信任考虑,还考虑到每个作业的性能QoS,解决了长时间等待作业不断被推迟运行的问题.实验表明,该算法较传统的Min-Min算法在总信任效益函数、总执行时间和作业提交失败率方面有较好的综合性能.     

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。     

基于改进型免疫遗传算法对网格中独立任务调度问题的研究

在研究现有任务调度算法的基础上,借鉴生物免疫系统原理中抗体多样性产生及保持机理,定义了基于抗体的矢量距离、亲合力及浓度相关的选择概率,这样可以在进化过程中保留优秀个体,同时抑制抗体群陷于同一极值而停止进化的早熟现象;另一方面,提出父子竞争(PCC)交叉算子和基于浓度调节机制的变异概率,提高抗体群进化速度的同时保留优秀抗体.仿真实验结果表明,算法与其它调度算法比较,更能有效地实现资源的分配,可以成功应用于网格环境下独立任务调度.     

基于动态任务优先级的网格任务调度算法研究

网格环境下的任务调度是一个NP完全问题.为了确保每一步都能优先调度影响调度长度最大的就绪任务,提出一种采用动态任务优先级策略的任务调度算法.在进行任务调度的过程中,通过动态计算任务图DAG的关键路径并有效地利用处理器的空闲时间段来复制任务,使任务节点之间的通信开销尽可能降低,进而缩短整个任务图的完成时间.大量的模拟实验结果表明,所提的算法在任务完成时间上明显优于HEFT算法和DDS算法.     

基于QoS的改进Min–Min调度算法

针对经典Min–Min调度算法存在负载不均,资源利用率低,处理时间长等问题,提出了P–Min算法。该算法根据任务的优先级并结合贪心算法来实现调度。仿真结果表明:P–Min算法在负载均衡的资源利用率方面较Min–Min算法提高了17%,任务总体执行时间调高了8.03%。     

基于LBT的网格依赖任务调度算法

文章将任务调度分为资源分配和调度执行2个阶段,定义了网格环境下的调度执行最晚开始时间、调度执行开始时间和任务依赖图中边的权值;分析了任务图冻结消减和执行消减对任务图结构的影响;提出了基于LBT的网格依赖任务调度算法;实验表明该算法有效地减弱了网格动态性对调度结果的影响。     

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.