边缘计算中基于混沌理论的任务调度优化策略

针对边缘场景中,多用户低效通信而导致的边缘服务资源无效占用及用户卸载能耗较高等问题,提出了优化预期成功任务卸载能耗的目标．在保证最低通信质量的前提下,考虑传输质量以及拥塞情况对于任务卸载性能的影响,构造用户与基站成功建立通信的机遇函数．综合考虑异构基站的服务能力限制,通过排队论为卸载任务的排队机制建模,并为用户实现更可靠传输以及接受更空闲的服务资源设置高效的任务分配策略．采用基于混合罚函数的混沌搜索任务分配算法,利用混沌现象的伪随机及遍历特性,搜索并获取决策最优解．仿真结果表明：所提方案可加速收敛,有效降低用户卸载能耗,并提升通信质量．     

D3DQN-CAA:一种基于DRL的自适应边缘计算任务调度方法

为解决已有基于深度强化学习的边缘计算任务调度面临的动作空间探索度固定不变、样本效率低、内存需求量大、稳定性差等问题,更好地在计算资源相对有限的边缘计算系统中进行有效的任务调度,在改进深度强化学习模型D3DQN（Dueling Double DQN）的基础上,提出了自适应边缘计算任务调度方法D3DQN-CAA.在任务卸载决策时,将任务与处理器的对应关系看作一个多维背包问题,根据当前调度任务与计算节点的状态信息,为任务选择与其匹配度最高的计算节点进行任务处理;为提高评估网络的参数更新效率,降低过估计的影响,提出一种综合性Q值计算方法;为进一步加快神经网络的收敛速度,提出了一种自适应动作空间动态探索度调整策略;为减少系统所需的存储资源,提高样本效率,提出一种自适应轻量优先级回放机制.实验结果表明,和多种基准算法相比,D3DQN-CAA方法能够有效地降低深度强化学习网络的训练步数,能充分利用边缘计算资源提升任务处理的实时性,降低系统能耗.     

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。     

网格任务调度中的信任值计算算法研究

通过对网格环境中实体之间的信任关系进行分析,提出了一种信任值计算模型.该模型能根据用户和资源间已有执行经验计算节点的信任值,实现了网格环境下信任值的分布式计算,有效解决了网格动态性引起的信任值计算开销问题.     

并行分布计算中多重相关循环的任务调度

一般任务图很难表示多重相关循环语句中不同循环迭代之间的相关关系．本文首先介绍了循环任务图的基本概念，然后说明了如何通过循环展开技术来产生复制任务图，从而把循环传递相关转换为循环独立相关，最后并给出了ＭＩＭＤ－ＤＭ模型上寻找最优循环展开向量的目标函数     

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。     

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．     

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.     

MEC系统中基于无线供能的多用户任务调度算法

节能且高效的计算是移动用户设备的必然趋势,针对无线供能的边缘计算网络,提出了一种多用户卸载决策及任务调度算法。在多用户二进制计算卸载模式下,通过联合优化无线供能时间、边缘用户的卸载决策及任务调度建立一个系统执行最大时延最小化的优化问题。由于该优化问题是一个混合整数的非凸优化问题难以求解,设计了一种两层交替迭代的求解方案,第一层采用贪婪算法或基于改进的约翰逊算法,求解出在给定无线供能时间下的用户卸载决策和任务调度,第二层基于黄金分割法求解出最优的无线供能时间。仿真结果表明,算法收敛速度快,并且有效降低了整个系统任务的执行时延。     

5G环境下边缘计算对智慧图书馆建设的推动作用

万物互联背景下,物联网设备爆炸式增长,智慧图书馆的建设必然会迎来交互浸入、多维共生的智能边缘时代,因此,图书馆积极引入边缘计算技术,建立起以"网、云、端"为核心的信息化基础架构非常必要.5G技术不仅促进了边缘计算应用的发展,还能与边缘计算协同工作,利用5G技术能使边缘计算在智慧图书馆的建设中发挥更大作用.未来,5G和边缘计算将共同推动智慧图书馆在知识服务、智慧空间、用户体验、安防保护方面的发展.     

5G环境下边缘计算对智慧图书馆建设的推动作用

万物互联背景下,物联网设备爆炸式增长,智慧图书馆的建设必然会迎来交互浸入、多维共生的智能边缘时代,因此,图书馆积极引入边缘计算技术,建立起以网、云、端为核心的信息化基础架构非常必要.5G技术不仅促进了边缘计算应用的发展,还能与边缘计算协同工作,利用5G技术能使边缘计算在智慧图书馆的建设中发挥更大作用.未来,5G和边缘计算将共同推动智慧图书馆在知识服务、智慧空间、用户体验、安防保护方面的发展.     

网格环境下的Min-Min任务调度算法的研究

网格以资源共享为主要目标,好的任务调度算法能够使网格资源更好、更有效地发挥作用.对传统的Min-Min算法进行剖析,指出其局限性,然后提出满足任务带宽要求和资源负载平衡要求的改进算法思想,并用网格模拟工具SimGrid SG对算法进行仿真,验证算法的高效性.     

BATS:异构系统环境下的任务调度节能方法

当今计算机系统广泛采用GPU(Graphics Processing Unit)来实现系统最大性能,但其能耗直接影响运行成本、可维护性,还会造成环境问题,这引起了研究人员、计算机架构师和开发人员的广泛关注.为解决能耗问题,提出一种BATS(Balanced Average Time Scheduling)调度方法,通过合理分配各个GPU上的任务来减少系统能耗.该方法首先获取任务执行时间、任务数量以及系统中可用的GPU数量;其次,利用上述信息以均分思想和折半方法对任务按执行时间进行分配;最后在典型平台上验证所提出的BATS方法 .实验结果表明,与现有方法相比,BATS平均节省8. 6%的能量,证明BATS方法是有效的、合理的、可行的.     

网格工作流任务调度策略和算法研究综述

在当前如火如荼的分布式计算和工作流技术研究背景下,网格环境下工作流任务协同工作机制的研究具有重要的理论与应用价值,本文根据网格环境下协同工作中任务调度的基本功能需求,并结合基于WEB SERVICE的Globus平台对其中的关键技术进行分析,给出了调度系统的基本原型设计,并把任务调度的典型算法做了综述性的分析,为后续研究打好基础。     

一种基于对等网络高性能计算的任务调度算法

讨论了一种基于对等网络的高性能计算系统的体系结构,提出了一种两级联合调度算法,该算法针对对等网络结构松散、节点稳定性差的缺点,充分考虑负载平衡、志愿机CPU空闲计算能力以及子任务相关要求,分两面三刀级进行任务调度,从而分散了调度负载,避免了调度瓶颈,增强了系统的动态扩展性,提高了系统的并行效率.实验表明:随着志愿机个数的增加,系统动态平衡效果增强,加速比增大,进而说明了算法的有效性.     

云计算环境下任务调度技术的研究进展

云计算应用大规模和虚拟化的资源,通过计算机网络随时随地向用户提供基于不同需求的服务．作为影响云服务的关键因素,任务调度被认为提升云计算服务质量的有效手段之一．如何保持高效和公平,保障服务质量（QoS）和最大化用户与服务提供商的经济利益是研究的难点．论述当前云计算中任务调度算法的研究现状和发展趋势,分析符合云计算服务需求的任务调度算法的新特性．通过探讨存在的挑战和亟待解决的关键性问题,为下一步更深入的研究指出方向．     

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．