网络化控制系统的RM调度优化研究

减少网络堵塞是提高网络化控制系统性能的有效的方法.提出了一种基于RM调度优化算法的研究方法,通过对网络化控制系统中的调度优化算法的分析,网络利用率明显好于未被调度优化的系统.结果表明,合理的调度优化算法能提高控制系统的网络利用率,同时改善了控制系统的动态性能.     

一种基于参数扫描应用容错的粗粒度网格调度算法

考虑作业处理时延以及作业传输时延对调度器性能的影响,在RR调度算法的基础上提出了一种新的基于参数扫描应用的调度算法PRR,并对该算法进行了理论分析,得出了该调度算法不需要作业以及处理器的相关信息,且具有比较好的容错性的结论.利用网格仿真软件Gridsim对PRR调度算法的理论分析结果进行了验证,并将该算法与RR调度算法的性能进行了比较.结果表明,当时延较大时,PRR调度算法性能改善比较明显.     

全负载场景中最优调度算法长时平均性能分析

首先分析了全负载场景中轮询调度、最大速率调度、比例公平调度和速率累积分布调度这4种常用调度算法.结果显示,速率累积分布调度在保证公平的基础上可以得到最好的效率,是4种调度算法中的最优算法.然后采用概率推导法给出了该调度算法的长时平均性能分析,即以轮询调度为比较基准的多用户分集增益的理论推导.该分集增益可通过短时统计结果预测长时平均性能,且可适用于任意实际场景.计算机仿真结果验证了对于该调度算法所产生的多用户分集增益理论分析的准确性,理论分析结果与实际调度结果的误差低于0.1%.     

基于烟花算法的云作业调度策略

典型的云作业调度策略不能满足现有云系统工作效率的需求,为了进一步提升其性能,提出一种基于烟花算法的调度策略.首先,分析限制云作业调度的节点性能指标,并将这些节点性能指标作为调度器的决策因素;然后,通过数学问题建模,使用模拟植物生长的算法改进烟花算法中爆炸烟花的分布方式,使其按照植物的生长方式分布烟花;最后,将所提算法与4种典型的云作业调度算法进行试验对比,分析所提算法的性能.结果表明:与典型的云作业调度算法相比,所提算法可以更好地提升系统的性能.     

移动计算环境中变长数据的广播

分析了变长数据广播中平均访问时间的理论最小值,给出了平均访问时间取得最小值的必要条件,基于此分析提出了一种变长数据广播的多盘调度算法.实验表明,变长数据的多盘广播调度算法比较接近理论最小值,较平坦调度具有明显的优势.它适合于数据项长度不等的数据库,并且在数据项的访问概率呈现明显偏斜的情形下性能更佳.     

基于用户总体满意度的遗传任务调度算法

在一般的基于用户满意度的任务调度算法中,所有用户的满意度函数都是一样的。然而在分布式渲染系统中,不同渲染用户往往对调度结果会有不同的偏好。本章提出了一种基于用户总体满意度的遗传任务调度算法,它支持不同用户选择不同的调度目标。并通过实验分析了该算法的性能。     

基于改进粒子群-蚁群融合算法的网格资源分配方法

为有效解决网格计算中的资源分配和任务调度问题,提出一种改进粒子群-蚁群融合算法.该算法通过改进的离散粒子群算法对信息进行优化调度,产生优选的调度列表,并通过该列表产生改进蚁群算法的初始信息素,有效克服了粒子群算法后期局部搜索能力差和蚁群算法前期盲目搜索的缺陷.理论分析和仿真实验表明本文算法具有较好的性能.     

基于自相似流的星上虚拟信道调度算法研究

以高级在轨系统(Advanced Orbit Systems,AOS)空间数据链路协议为基础,建立了CCSDS AOS协议信源模型,对比分析了自相似流量模型下先来先服务(first-come-first-served,FCFS)和时间片轮询(round-robin,RR)虚拟信道调度算法的性能.根据网络流量具有自相似性的特点,采用时间间隔服从正态分布的分形布朗运动流量模型描述AOS虚拟信道中数据流的自相似特性,并使用快速傅立叶变换方法生成了不同自相似系数的分形布朗运动流量,获取了数据包的到达时间、到达时间间隔和数量;之后通过仿真实验对比了FCFS和RR两种虚拟信道(VC)调度算法的时延和积压性能.实验结果表明,当到达数据量较小时,两种调度算法性能相当;当到达数据量较大时,RR调度算法的时延和积压性能明显优于FCFS调度算法.研究结果可为AOS虚拟信道调度算法的研究和设计提供参考.     

一种基于差分进化的批量流水线调度算法

提出了一种解决批量流水线调度问题的差分进化算法.该算法采用基于浮点的编码方式,通过最大位置值规则将浮点数矢量转换为工件的调度序列.为了提高调度算法的优化性能,利用最优目标个体的重组产生变异个体,并通过变异个体与目标个体的交叉产生试验个体.仿真试验表明了所得算法的可行性和有效性.     

一种新的基于层次式的网格调度模型

在分析现有的资源调度方案及模型的基础上,提出了基于层次式的网格资源三层调度模型,它由主调度器、次级调度器和计算节点组成.通过模拟和分析,该资源调度模型在调度性能上明显优于集中式调度方案.     

基于不同分配策略的云计算任务调度性能比较与分析

形式化描述了云计算环境下的负载均衡任务调度问题,借助动态规划方法形式化推导了最早完成时间的启发式优先分配策略,给出了基于先易后难优先分配策略、先难后易优先分配策略的启发式云计算任务调度算法。阐述了基于顺序调度策略、先易后难优先分配策略、先难后易优先分配策略等启发式任务调度算法和基于禁忌搜索策略、元胞演化策略等智能任务调度算法。针对不同分配策略的云计算任务调度进行性能比较与分析,提出了完成时间可改进百分比和资源负载平衡因子的调度性能评价指标,实验数据对比充分表明:与启发式调度算法相比,智能调度算法能减少任务执行时间,优化资源负载均衡性能。     

实时数据库事务调度分析

指出了调度策略选择的好坏决定了系统性能的优劣,根据实时数据库中事务的基本特性,具体分析了在实时数据库中影响事务调度策略选择的主要因素,包括截止期类型（硬实时截止期和软实时截止期）、调度方式（静态调度和动态调度）、调度准则、调度的性能测度和可预测性.     

基于仿真的调度规则组合决策研究

针对车间调度规则组合的多目标优化问题,提出了一种基于仿真的评估决策模型. 通过仿真获得不同调度规则组合下的方案集合,在利用层次分析法获得性能指标权重的基础上,采用灰关联理论计算各结果方案对于单项指标的关联系数,实现了基于灰色关联度的方案评估,并导出了最优的调度规则组合. 调度规则组合决策体现了用户对系统性能指标的要求,解决了传统依靠经验进行调度规则选取的问题,优化了制造系统的运行.     

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．     

基于规则组合的Job Shop多目标柔性调度方法

为提高Job Shop模式下多目标柔性调度的实时性,文章利用规则调度计算量小、实现速度快的特点,建立基于双层规则组合的Job Shop多目标柔性调度方法;运用离差最大化原理分析规则调度结果,生成合理的多目标权重,以选择符合现场实时工况的较优调度方案;通过仿真实例验证了该调度方法的有效性。     

基于Linux嵌入式操作系统的研究

从Linux内核实时性、实时调度策略以及时钟细粒度定时器三个方面,对Linux嵌入式实时化技术进行了探讨。在内核中插入抢占点或采用双内核系统,改善Linux的实时性能;通过动态优先级提高实时任务的调度性能;通过增加时钟中断频率或采用实时时钟一次性模式,实现时钟细粒度。     

基于无中心式网格调度的分析与研究

分析了无中心式网格调度和调度策略,实验模拟了无中心式网格调度、计算系统之间的性能差别,每个计算系统的本地调度采用保守式装填法,网格工作负荷由模型得到,并用一段工作负荷的平均响应时间衡量调度性能.     

基于调度效益最大化的多功能组网认知雷达资源优化调度算法

在组网认知雷达中,针对多目标多任务(如搜索、跟踪与成像等)按优先级进行资源调度时易造成目标任务丢失的问题,提出基于调度效益最大化的多功能组网认知雷达资源优化调度算法。该算法将搜索与跟踪任务的时间窗考虑到目标函数中,通过目标任务的重要性(优先级)和有效性(时间窗)两个因素的加权来表示雷达对目标任务的调度效益,根据调度效益最大准则建立并利用遗传算法求解资源调度模型。对仿真结果分析表明,该方法能够提高组网认知雷达的整体效能。