面向云工作流的两阶段资源调度方法

为提高云计算系统的资源利用率,优化系统性能,同时兼顾用户的服务质量(Qo S)需求约束,文中结合云计算和工作流建立了云工作流系统,给出了具有两个调度阶段的系统资源调度模型.在第1阶段中,考虑了Qo S的时间及价格约束、工作流内各个任务之间的依赖关系以及各个任务所产生的中间数据的处理,提出了改进的粒子群优化(MPSO)算法,并利用Pareto获得最优解,以提高调度效率;在第2阶段中,考虑了资源在主机上的分配情况,提出了具有负载感知的调度策略,根据系统的负载情况进行资源调度,以提高系统的资源利用率.实验结果表明:在云工作流系统的资源优化调度中,与经典的异构最早完成时间算法、单目标优化的遗传算法相比,MPSO算法的任务执行速度更快、资源利用率更高,能满足用户的Qo S需求;具有负载感知的调度策略能更有效地根据负载情况进行调度,提高任务执行的效率和资源利用率.     

QoS约束的云工作流调度算法

将云计算和工作流两者结合起来,并根据用户关心的QoS中执行时间和执行费用问题,针对工作流调度策略在云环境下调度实例密集型工作流时效率不高的问题优化资源调度策略,给出云工作流调度模型,提出一种基于QoS约束的云工作流调度算法MSCWQ(modifiedschedulingalgorithmforcloudworkflowbasedonQoS).该算法利用DAG(directedacyclicgraph)进行建模,优化资源策略,保证在最晚结束时间内使整个工作流实例的执行费用尽可能小.实验结果表明,在调度实例密集型云工作流时,该算法能有效提升科学工作流的执行效率,并能减少资源的使用费用.     

改进粒子群算法的云计算环境资源优化调度

针对云计算的资源调度问题,提出一种基于改进粒子群优化算法(Improved Particle Swarm Optimization,IPSO)的资源调度算法.对云资源调度问题进行分析,建立云资源调度的目标函数,利用PSO较快的收敛速度找到云资源调度问题的最优解,并根据每个粒子的适应度值自适应地改变每个粒子的速度权重,提高了全局寻优能力和收敛能力,同时在Cloud Sim平台对算法进行仿真实验.结果表明:IPSO算法减少了任务的平均完成时间,提高了任务处理的效率,具有很好的优化资源以及合理调度资源的能力.     

一种基于进化博弈论的云计算虚拟计算资源配置模型

目前针对云计算的资源配置策略研究多关注于云计算资源提供商状况,研究云计算资源提供商的虚拟资源调度管理策略,可以提高云计算资源的可靠性和资源利用率.本文针对云应用提供商,提出基于进化博弈论的自适应资源配置模型,以性能目标为进化博弈目标,通过该模型得到最优的资源分配策略.对比实验结果显示,本模型能有效减少资源的使用.     

云计算环境中三层架构的资源负载均衡研究简

为了使云环境中资源能更加高效、合理地运转,该文探求使用新的调度策略来使系统达到负载均衡,提出了一个在三层架构云计算网络环境中的两阶段调度算法.该算法结合了随机负载均衡算法和Min-Min负载均衡调度算法的特性,从而能更高效率地执行任务并使系统达到负载均衡.     

混合实时任务的两级调度策略

面向混合实时任务应用,提出一种两级结构调度策略:对周期性实时任务采用时间触发,非周期性实时任务则采用事件触发.先建立任务模型并定义相关概念,然后给出调度策略的架构,并对调度算法、可调度性、抖动、时标间隔及调度策略优化等进行研究.结合windows CE.NET进行的调度策略实验验证结果表明,该方法能提高混合实时任务的确定性,减小抖动.文中最后讨论了时标间隔对处理器利用率和周期分辨率的影响.     

云计算资源优化问题求解的萤火虫算法

为了提高云计算资源利用率,结合云计算资源优化问题的特点,设计一种云计算资源优化问题求解的萤火虫算法.首先建立云计算资源负载调度问题的约束条件,以用户任务完成时间最少作为云计算资源负载调度优化的目标函数;然后通过萤火虫算法找到目标函数值最优的资源调度策略;最后在CloudSim平台上实现云计算资源负载调度仿真实验.实验结果表明,萤火虫算法减少了云计算任务完成的时间,均衡了云计算资源的负载,使云计算资源得到合理分配,且比其他算法优势明显.     

云计算下适应用户任务动态变更的调度算法

针对云计算下处理海量用户任务时可能出现的用户撤销任务情形,提出一种云计算下适应用户任务动态变更的调度算法.算法在产生任务有向无环图(DAG)的基础上,当有撤销任务出现时,对每个撤销任务均根据其依赖关系撤销关联任务,更新DAG状态,再使用启发式算法进行调度.云仿真器CloudSim上的实验结果表明:该算法可避免对撤销无用任务的调度执行,在撤销相关依赖任务后提高了调度效率及云资源的利用率,在完成时间跨度上优于Min-Min算法和Max-Min算法.     

一种考虑资源状态动态反馈的云计算调度算法

针对云计算动态调度问题,提出一种考虑资源状态动态反馈的云计算调度算法.该算法针对资源服务器状态动态变化影响当前工作流调度结果的问题提出滑动窗模型,该模型可以实时动态地反映资源服务器的状态.为了更好地预测资源服务器的状态,提出时间窗曲线模型和平均利用率模型,以计算资源服务器的平均利用率.基于平均利用率提出资源反馈权重策略,通过该策略来计算所有工作流任务的动态权重值,按照动态权重值进行排序并依次调度.实验结果表明本文算法可以有效缩短工作流的总加工时间.      

基于改进鲸鱼优化算法的资源调度方法

针对在大量数据背景下云计算资源调度模型存在调度效率低、分配不合理等问题,提出一种基于改进鲸鱼优化算法（m-WOA）的云计算资源调度方法。提出了云计算资源调度模型,针对基本鲸鱼优化算法存在迭代后期种群多样性减弱、易陷入局部最优等不足,提出使用Tent混沌反向学习策略来增强种群多样性;并使用精英随机组合策略平衡算法开发和探索能力。将改进后的m-WOA算法用于数值仿真实验和云计算资源调度模型求解。实验结果表明,m-WOA具有更好的收敛精度和更强的稳定性;m-WOA能有效减少云计算完成时间和能源消耗,并提供更合理的资源调度分配方案,从而提升云计算资源利用率。