基于改进群搜索优化算法的云计算任务调度方案

针对云计算中的任务调度问题,提出一种基于改进群搜索优化(IGSO)算法的任务调度方案.首先,为了解决传统GSO算法的收敛速度较慢,不能很好地应用在云任务实时调度的问题,在搜索者和游荡者的位置更新中融入了粒子群算法中的粒子位置更新策略,提出一种快速收敛的改进GSO算法.然后,将任务调度问题进行编码,以任务执行时间为适应度函数,通过提出的IGSO算法寻找最优调度方案.仿真结果表明,该方案能够快速且合理地调度任务,具有可行性和有效性.     

面向边云协同计算的能耗感知资源调度方法

要：边缘计算在处理大量计算复杂的任务时，可能会引发任务实时执行效果下降以及能耗高等方面的问题。为此提出一种面向边云协同计算的能耗感知资源调度方法，首先根据实时保证率将任务分流到云计算和边缘计算，然后基于弹性资源特性提出能耗感知的资源调度策略，为实时任务生成虚拟资源配置方案，最后通过仿真实验验证了所提算法的有效性，该算法可以在保证实时性的前提下降低能耗。     

基于多处理机系统实时调度算法的飞机排班问题研究

提出了一种新的基于多处理器系统的实时调度算法有效求解飞机排班问题的方法.该方法以EDF算法和多处理机动态分配方法为基础,建立了航班队列模型,提出了基于多处理机实时调度的多目标的飞机实时分配算法.模拟实验表明,针对不同优化目标的飞机分配算法执行效率均比遗传算法和分支定界算法高至少一个教号级.     

块对角化预编码MIMO系统多用户调度

研究了在多用户、多输入多输出(MU-MIMO)系统中发射端块对角化(BD)预编码方案的实现算法,以及基于该预编码方案的多用户调度算法. 利用子空间分解技术设计了发端的预编码矩阵. 通过该预编码矩阵,系统可以实现与多个用户同时进行多码流、用户间的零干扰通信. 定性分析了该预编码方案的本质,利用子空间分解技术设计了一种基于系统最大和容量准则的多用户调度方案. 通过分析说明该调度方案具有较低的计算复杂度. 数值仿真表明,在相同的块对角化预编码方案下,采用本文提出的用户调度方案可获得近似最优的和容量,进一步说明了本文所提方案的有效性.     

非周期实时任务过载的判别和处理机制

提出一种基于任务价值的非周期实时任务过载处理机制. 在给出一种非周期实时任务过载判断方法的基础上,将任务的截止期和价值这两个参数结合起来,提出处理实时任务过载的数学模型,并采用改进的动态贪婪算法求解. 设计了任务参数和任务价值函数,从实现价值率方面分析改进的动态贪婪算法的性能. 实验结果表明,在所有额定负载条件下,改进的动态贪婪算法相对于截止期优先、最高价值优先和鲁棒最高价值优先等算法能达到更高的实现价值率.     

动态调度算法下的实时性能分析

根据实时多任务的动态调度算法以及与实时性能密切相关的因素,建立起超时故障评价模型.根据该模型,可以定量分析和估算实时多任务系统中发生超时的任务以及系统发生超时故障的概率     

一种高性能信息物理融合系统的方法探讨

信息物理融合系统(CPS)是一种深度嵌入式分布式实时系统,时效性是其关键属性。由于CPS的节点中内存资源有限,当多个实时任务并发执行竞争内存时,将导致任务错过截止期,严重影响CPS的时效性。因此,当前特别需要在提高网络利用率的同时保障通信的需求。针对该问题,本文讨论了一种高性能方法,将并行思想融合进实时调度方法。通过该方法,能够在CPS进行实时调度时,最大化网络并发度与资源利用率,减少时间开销,改善实时性能。     

Chan-Vese模型下的复合多相水平集图像分割

Chan-Vese模型(C-V模型)能够实现图像的二区域分割,但在多区域分割上存在局限. 目前解决C-V模型多区域分割问题有两种方案：一是采用多水平集同时收敛的并行多相分割;另一种是采用多水平集依次收敛的串行多相分割. 文中将两种方案结合起来,利用并行多相算法表示区域量大和串行多相算法分割效率高的特点,提出基于C-V模型的复合多相水平集分割算法,增加了串行结构下的分割区域量,也提高了并行结构下各水平集的实际分割效率. 实验结果表明,该方法可实现多区域分割,并能检测由弱边缘构成的子目标.     

一种分布式动态负载均衡调度算法

目前计算机应用服务系统经常采用集群系统,负载均衡调度是集群系统的关键.在通用负载均衡调度算法的基础上,提出一种分布式动态负载均衡调度算法.该算法动态收集、统计和分析服务器的信息,以此为根据完成服务器负载均衡的任务,能够实现集群正常调度.在此基础上,采取分布式调度的策略,提高负载均衡调度的效率、性能,以使其对业务系统整体性能的影响最小.     

跨地域分布数据中心高成本效益的任务调度

研究了跨地域分布数据中心云计算成本最小化问题,首先将其建模为一般分配问题,利用增广拉格朗日乘子法(augmented Lagrangian multiplier method, ALMM)得到最优的调度方案,然后设计了Adjusting算法以调整ALMM产生的结果,使之成为可行解.进一步设计了一种降序价值密度算法(decreased value density scheduling algorithm, DVDS),以解决ALMM的收敛速度相对较慢的问题.在线性定价和阶梯定价两种模型下的实验结果表明,当任务数量较少时,DVDS算法可以在拥有极小的时间开销下达到和ALMM同样小的调度成本;当任务数量增加时,DVDS产生的调度结果成本相比ALMM仅增加10%左右.     

频繁项目集的快速增量式更新算法

提出了频繁项目集的快速增量式更新算法(FIUA),主要考虑最小支持度发生变化时频繁项目集的更新情况.FIUA在最坏的情况下仅需扫描数据库一遍,且无需生成候选项目集,有效地节约了存储空间,提高了频繁项目集的更新效率.     

无线Mesh网络的在线测量优化

对网络特征进行准确和实时的测量是优化无线Mesh网络性能的基础. 该文提出一种无线Mesh网络在线测量架构以解决测量节点的位置选择问题. 联合考虑无线信号检测能力与信息传输能力,提出基于椭圆割线的测量节点选择方法. 分别以被测量节点和数据处理中心作为椭圆焦点构成测量区域,以测量系统的性能度量为目标函数,在椭圆环中选择最佳测量节点位置. 数值仿真表明,在保障无线Mesh网络在线测量品质条件下,该测量架构实现了检测能力和信息传输能力的综合优化,椭圆割线算法的计算复杂度低于随机选择算法.     

面向车联网边缘计算的智能计算迁移研究

为了满足车联网中车载任务所面临的服务迁移时间优化与边缘设备的资源负载优化需求,提出了一种面向车联网边缘计算的智能计算迁移方法（intelligent computingoffloading method,ICOM）.首先构建了车联网边缘计算系统资源模型、执行时间模型、边缘设备负载均衡模型;然后利用非支配排序遗传算法（non-dominant sorting genetic algorithm,NSGA-II）实现了对车载计算任务的迁移时间和边缘设备的负载均衡进行联合优化,从而为车载计算任务找到有效的计算迁移策略;最后根据多目标决策准则（multi-criteria decisionmaking,MCDM）和逼近理想解排序法（technique for order preference by similarity to anideal solution,TOPSIS）选择出最优的计算迁移策略.实验结果表明,ICOM方法能够使车载计算任务在期望时间内完成,同时也保证边缘设备的负载均衡.     

基于连通图的高速高机动目标变结构多模型算法

针对传统的基于活跃有向图的变结构多模型(variable structure multiple model based on adaptive digraph, AD-VSMM) 算法不能实现模型子集之间快速跳转且计算量大的问题,提出了一种基于连通图的高速高机动目标变结构多模型(variable structure multiple model algorithm based on connected graph, CG-VSMM)
算法. 通过分析传统AD-VSMM 算法的模型集转换方法,选择加速度和角速度作为模型参数,建立模型集连通图之间的连通关系. 根据目标机动情况选择参与计算的模型子集,然后依据子模型的后验概率大小对模型子集进行实时局部调整. Monte Carlo 仿真结果表明,新方法能实现变结构多模型(variable structure multiple model,VSMM) 算法模型子集之间的快速跳转,且跟踪精度、计算量、稳定性等都得到了较好的改善,可应用于高速高机动目标的跟踪.     

基于RA准则的多用户OFDM自适应资源分配算法改进

针对现有最优算法计算复杂度高、不利于实时应用的不足,根据误比特率和总功率限制条件下多用户OFDM系统自适应资源分配的数学优化模型,从最大化系统容量的目标出发,提出了一种计算复杂度低、易于实现的子载波、比特及功率分配算法.理论分析和仿真结果表明,在时变无线信道中采用此算法的性能明显优于Lee提出的算法和静态资源分配算法(OFDM-TDMA),且计算复杂度低.     

基于改进Wang-代数生成连通图全部树的方法研究

提出了一种求连通图全部树的方法,通过对Wang-代数的改进,在生成连通图的全部树时,无需进行环和运算,从而减少算法的时间复杂度;同时能求得图的全部树,并且能保证同一个树不会重复产生,克服了传统Wang-代数法求连通图的全部树时产生的冗余项问题.算例表明方法的正确性和可行性,可有效地应用于复杂电网络的拓扑分析.     

基于知识蒸馏的轻量型浮游植物检测网络

当前基于卷积神经网络的目标检测框架已成为主流,使用深层的特征提取网络可以达到很好的目标检测效果,但带来的大量的参数和计算开销使这些算法难以应用到对存储空间和参数量有一定限制的嵌入式设备中.为此,该文提出将知识蒸馏方法用于目标检测网络的特征提取网络,以提升浅层特征提取网络的性能,在降低模型的计算量和规模的同时尽可能地保证模型的性能.实验结果表明,经过蒸馏的浅层网络作为特征提取网络的检测精度比没有经过教师指导的网络精度提高了11.7%.与此同时,该文构建的浮游植物目标检测数据集不仅可以评估一些最先进的目标检测算法的性能,也有利于未来浮游植物显微视觉技术的发展.     

基于树形拓扑网络的实用拜占庭容错共识算法

实用拜占庭容错算法在节点数量较多的广域网环境下存在性能瓶颈.为提高该算法的可扩展性,基于树形拓扑网络将全网范围共识拆分为若干子网范围共识;同时引入信誉模型以降低错误节点在共识过程中的影响力,提高系统的安全性、容错性与可靠性.实验结果表明：所提算法的性能明显优于原有算法,表现出良好的可扩展性,可用于大规模许可链系统.     

工业控制微机多重任务实时管理程序

本文研究工业在线实时控制系统中微机的多重任务管理程序的设计。它通过任务动态调度、同步调度和控制台调度,能同时承担不同工业生产过程的多个实时控制任务。本文还提出了系统能承担在线实时控制任务的可能个数的一个准则。