用双优先级算法调度控制系统的实时周期性任务

根据控制系统中存在强实时周期任务和软实时周期任务的特点，采用双优先级算法进行任务调度．该算法将优先级带宽分为3部分：高带优先级、中带优先级和低带优先级．强实时任务实例到达后先将其优先级设置在低带，经过一段时间若还没有完成，则将其优先级提升到高带，软实时任务的优先级设置在中带中，从而控制任务的执行．文章研究了强实时任务优先级提升时间的存在性，给出了求取优化的优先级提升时间的算法．在软实时任务满足一定丢失率(0≤βai＜1)的条件下分析任务集的可调度性，模拟结果表明了算法的有效性．     

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;     

基于周期性和延迟代价的页面调度算法

针对缓存页面调度算法难以进一步大幅度提高命中率以改善系统性能的现状,提出了一种新算法.对页面访问的时间、位置和数量进行了统计,对页面读取延迟的时间范围进行了计算分析,设计了增加代价位的缓存数据结构,从而提出了基于周期性和延迟代价的页面调度算法,并对算法进行了调度模拟和实施验证.结果表明:当时间尺度为跨指令周期时,页面访...     

基于任务复制的进化调度算法

并行程序任务调度是NP完全问题。已有的进化调度算法不能很好利用任务复制这一重要手段。为此，利用染色体直接编码和间接编码的优点，并结合任务图的知识，使进化调度算法的搜索能力得到增强，同时染色体的解码过程也得到简化。通过与同类算法的性能比较，表明了本算法在调度问题中的有效性。     

采用离散粒子群算法的网格任务安全级调度

针对异构网格环境中任务调度问题对所面临的安全性研究不足,在考虑了保密性、完整性和真实性等安全性因素的情况下,构造了相应的安全效益函数;依据网格节点的历史行为特点,提出了节点的信誉度动态评估策略;基于行为特点提出了一种离散粒子群算法,由此建立了任务安全级调度新模型.算法基于安全调度的离散空间特征给出了粒子的位置表示方法,从而克服了连续空间解决离散问题所造成的解空间冗余问题.采用分步计算和修改粒子位置的方式重新定义了粒子进化方程,避免了进化过程中速度之间的相互干扰问题.为了防止算法陷入局部最优,引入了均匀扰动速度.实验结果表明,与基于连续空间的粒子群算法和遗传算法相比,所提算法具有较快的收敛速度、较短的调度长度和较高的安全性能.     

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．     

异构计算系统的表调度式任务映射与调度算法

研究了在异构计算系统（ＨＣＳ）中利用表调度式算法进行任务映射与调度．给出两种异构静态优先级表调度式任务映射算法（ＨＳＰ和ＧＨＳＰ）,以及一种异构动态优先级表调度式任务映射算法（ＢＨＤＰ）．实验结果表明,ＧＨＳＰ算法对于粗中粒度ＤＡＧ的调度效果稍好于ＨＳＰ算法,而ＢＨＤＰ算法对于粗粒度和细粒度ＤＡＧ的调度效果均明显优于ＨＳＰ和ＧＨＳＰ算法．     

分数阶导数、积分的渐近ω周期性和伪ω周期性

首先给出了分数阶导数和积分、分数阶定积分、渐近ω周期性、伪ω周期性的定义以及分数阶导数、积分的线性运算性质,接着研究了分数阶积分的周期性、渐近ω周期性和伪ω周期性,最后利用已得结论,研究了分数阶导数的周期性、渐近ω周期性和伪ω周期性.     

嵌入式实时系统周期任务能耗感知调度

在电池供电的嵌入式实时系统中,针对实时周期任务集在一个可变电压处理器上的能耗感知调度问题,在改进的人工鱼群算法(improved artificial fish school algorithm,IAFSA)基础上,提出了一种离线的能耗感知调度算法,该算法通过构造人工鱼的行为约束自然地满足时限和能耗约束,最大化系统总奖赏值。与贪婪算法相比,该算法提高系统的总奖赏值约47%。且随着电池能量的减少,系统能耗利用效率逐渐增大,说明该算法具有良好的能耗感知特性。     

一种基于任务划分的启发式网格调度策略

网格环境下的任务调度是一个非常复杂且具有挑战性的问题,目前存在的调度策略大多数忽略了任务执行调度算法的顺序这个重要因素.针对这一问题,本文提出任务划分(task-partition)的概念,结合任务存取数据的位置信息,给出了一种以任务级别的忍耐度(task-sufferage)作为启发规则的网格调度策略.实验结果表明,该策略消除了任务的重新调度,降低了任务总的完成时间,能够有效地保证负载均衡,具有较好的综合性能.     

嵌入式系统动态策略任务调度算法

针对嵌入式实时系统任务调度问题,讨论综合截止期和关键度两种特征参数的任务调度策略。引入动态策略的概念,采用任务分组优先级分段的方式,通过判断函数的判断动态选择调度策略,利用可达截止期优先降低任务错失率,关键保证重要任务的调度成功率,提出一种动态截止期-关键度调度算法。理论分析和仿真实验表明,在非过载的情况下该算法可以达到与可达截止期优先相当的调度性能;在过载的情况下,相比截止期优先和固定优先级算法具有更好的调度性能,能够有效地保证关键实时任务的成功调度。     

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.     

面向云计算的任务调度算法研究

云计算中任务调度对云计算的整体性能有重要影响.归纳了云计算调度的特点和性能指标,指出云计算任务调度研究的主要进展.从传统任务调度算法、Hadoop中的任务调度算法、智能化的任务调度算法等方面概括、分析和比较了不同算法的算法思想、实现机制、达到的性能要求.最后,讨论了现有任务调度策略存在的问题,结合云计算面向服务的特点对云计算任务的研究进行展望.     

基于蚁群算法的虚拟企业生产任务调度优化研究

描述了虚拟企业生产任务调度的层次框架,该调度框架包括虚拟企业全局调度和合作伙伴局部调度两个层次.针对虚拟企业调度层的优化问题,综合考虑虚拟企业生产任务的时序逻辑关系、作业时间和生产任务集等影响因素,建立了以任务总作业时间最小化为目标的数学模型,并基于蚁群算法对上述优化模型进行了求解.应用实例与算法比较验证了优化模型与求解算法的有效性.     

基于蚁群算法的并行任务分配与调度

蚁群算法是近年出现的一种新启发式算法,在求解NP完全问题中具有较大优势.针对如何在满足任务约束关系的条件下用蚁群算法求解任务分配与调度问题,首先对任务的分配与调度问题建立数学模型,然后在满足子任务之间的约束关系的条件下用蚁群算法求出最优解,最后把用蚁群算法与遗传算法的最优解进行比较.通过仿真实验表明,蚁群算法比遗传算法在任务分配与调度求解中有较高的解的质量,但蚁群算法的求解速度要慢于遗传算法.     

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.     

基于遗传禁忌算法的任务分配与调度的研究

任务分配与调度问题是公认的NP问题，为了合理的对备份任务进行分配与调度，使得最短时间内完成备份任务，提出了基于遗传禁忌搜索的备份任务调度算法。重点研究了遗传算法和禁忌搜索算法，并针对二者的不足，提出将其两种算法混合，相互取长补短，仿真实验结果和实例应用表明，笔者提出的算法其搜索效率比单一的遗传算法具有较好的效果。     

网络控制系统中任务与信息的优化调度

为了提高网络控制系统性能,解决网络控制系统中信息和任务相互约束的问题,设计了同时调度网络控制系统中任务与信息的算法.采用遗传算法优化调度序列,减小系统采样周期和端端延时,优化了系统整体性能.最终形成同步异构系统一个周期内的调度表,确定了系统每个子任务的执行时间和占用资源,解决了不同控制回路资源冲突问题和相同控制回路任务与信息执行顺序的约束问题,并且保证了每个子任务的实时性.仿真表明该算法是有效的.     

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。     

基于分层禁忌遗传算法的卫星任务调度方案

对地观测卫星在地球观测系统中起着核心作用,任务调度是对地观测卫星满足更多任务需求并获得高观测效率的重要手段。随着用户的激增,大量的任务请求引起卫星资源、时间资源的冲突,导致卫星任务的调度效率低下。为了解决上述问题,通过拆分和聚类2种策略对任务进行预处理,设计了一种基于分层禁忌遗传算法(layered tabu genetic algorithm, LTGA)的卫星任务调度方案。建立了对地观测系统模型,分析了观测任务调度的相关约束;通过分析任务时间窗口冲突情况来确定任务拆分方式,通过计算聚类距离来区分任务分布状态,从而选取合适的观测任务构成预调度任务集合;在上述任务规划的基础上,提出LTGA完成任务的选取和排序,生成观测计划。仿真结果表明,所提出的卫星任务调度方案能够有效提升调度收益、降低调度时间。