一种基于QoS的星座通信系统跨层资源分配算法

针对目前星座通信系统星地链路资源分配不灵活、缺乏有效服务质量(QoS)保障机制等问题,提出一种基于QoS的星座通信系统跨层资源分配算法.利用自适应编码调制(ACM)技术,通过定义用户信道质量评估算法、可调公平性调度算法、业务QoS分类调度算法及用户业务分配权重函数,为终端用户指定工作频率、时隙、编码方式、调制方式等物理层工作参数,实现根据业务QoS保障要求灵活分配物理层信道资源,达到提高系统资源利用率与满足业务QoS保障需求的平衡.仿真实例验证该算法可以实现星座通信系统根据业务QoS和用户信道质量对星地链路资源的合理分配和调度.     

一种OFDM系统中的自适应调制策略

给出了一种OFDM系统中考虑QoS约束的自适应调制策略。算法首先通过用户的QoS约束值确定用户的调度优先级并据此分配子载波,然后再对用户进行比特和功率分配,确定调制方案。仿真结果表明,该算法能够使系统在满足QoS约束要求的条件下使所需的发射功率最小。     

基于虚拟机迁移的虚拟机集群资源调度

针对虚拟机集群资源负载不平衡的问题,基于虚拟机迁移技术,提出了一种虚拟机集群资源调度策略,将虚拟机的资源进行了分类并用向量表示,描述了每一类资源的数量和负载的计量方法,用最佳适应算法寻找虚拟机迁移的目标主机,通过使用上限阈值和下限阈值约束资源利用率的方法,使负载平衡目标与节能目标相统一,引入最小迁移周期避免了虚拟机资源利用率不稳定带来的频繁迁移.该调度策略能为虚拟机中的应用提供透明的资源调度,并使虚拟机集群达到负载平衡和节能的双重目标.     

带有时间约束的机载自组网自适应退避算法

针对传统媒质接入控制(MAC)层退避算法无法满足机载自组网中高优先级业务高可靠、低时延的QoS传输需求,以及重负载时算法性能下降严重的问题,提出一种带有时间约束的多优先级自适应退避算法。首先,针对不同优先级业务的QoS需求,建立相应的时间约束机制和竞争窗口自适应调整机制,当网络处于重负载时,通过限制低优先级业务接入信道来保证高优先级业务的传输;其次采用三维马尔科夫链对多优先级自适应退避算法进行建模,求解不同网络负载时各优先级分组受时间约束条件下的退避状态转移概率,理论推导出网络吞吐量和平均MAC时延的数学表达式。仿真结果表明,该算法在重负载时能够有效保障高优先级业务低时延(2ms)、高可靠(99%)的QoS需求,相比增强型分布式信道接入访问和区分企业优先级的自适应退避算法,当网络负载大于9 000包/s时,吞吐量分别提升了33.4%和21.5%。     

云环境下一种多维QoS约束的工作流调度算法

云计算以用户为中心按需提供服务,云环境下必须关注用户的服务质量(QoS).云计算工作流调度的QoS目标约束条件,不仅有工作流完成时间,还包括调度预算、系统的可靠性以及安全性等,多维QoS约束的工作流调度算法的研究至关重要.为此,提出一种基于生物共生演算法(symbiotic organisms search,SOS)的多维QoS约束的工作流调度算法(QoS-SOS).首先为工作流中的每个任务分配适当的优先级,将非支配解的思想融入到生物共生演算法中,从而获得分布均匀的Pareto最优解集来解决多维QoS约束的工作流调度问题.实验结果表明,QoS-SOS不仅拥有较快的收敛速度,而且有很好的寻优能力,还能够根据用户的偏好选择侧重不同的优化方案,从而适应于大规模的云环境.     

采用节点优先级的对等网络流媒体请求量分配算法

在多源协同调度的对等网格(P2P)流媒体系统中,针对现有请求量分配算法不能根据源节点性能动态调整向各节点分配的请求量,导致源节点带宽利用率不高以及服务器负载重的问题,提出一种基于节点优先级的请求量分配算法.该算法根据源节点的历史调度评价和可用数据量计算源节点优先级,调度时根据优先级动态调整分配给各源节点的请求量,优先向历史调度评价好和可用数据量多的源节点分配请求.仿真实验与实际系统测试表明,所提算法可以充分利用源节点带宽资源进行数据传输,较传统算法降低服务器负载17.3%以上,提高了系统可扩展性.     

云计算中运营商效益最优的资源分配机制

针对传统的虚拟机调度方法中虚拟机申请时,调用相应负载均衡算法将虚拟机调度到相应的物理服务器上,不能达到整体效益最优的问题,提出了一种实时满足运营商资源最高效益的动态调度方法.每次新加入用户时,新加入的用户资源和先前分配的资源一起重新在所有服务器上规划,进行全局虚拟机调度,迁移那些能给系统带来足够效益部分虚拟机,完成全局最优的虚拟机部署.该方法对云中资源进行了合理的高效益规划,大大节约运营商成本,提高了云中资源利用率,降低了能耗.     

一种基于QoS的无线分组调度算法

提出了一种适用于无线网络的分组调度算法动态概率优先级(DynamicProbabilistic Priority,DPP)调度算法.DPP调度算法采用动态的优先级分配策略,满足了不同业务的QoS需求.另外,DPP算法在网络出现差错时,动态地调整带宽分配,使得网络中的带宽得到有效的利用,提高了系统的吞吐量,保证了算法的公平性.理论分析和仿真试验表明,在无线网络环境中,该算法具有更好的性能.     

基于CDVRS的虚拟机资源调度策略研究

云计算将各种处理器、存储以及网络等物理资源虚拟化为虚拟机,为用户分配相应的虚拟机以及将虚拟机调度到物理资源上是云计算中一个重要问题.提出一种基于分类挖掘的虚拟机资源调度模型及算法CDVRS(virtual machine resources scheduling based on classification data mining)解决该问题,采集用户访问虚拟机及虚拟机映射物理资源的历史信息,采用改进的分类挖掘算法对其进行挖掘,得到指导虚拟机资源调度的分类规则和模式,在此基础上实施虚拟机资源调度.对模型和算法进行仿真,实验结果表明采用CDVRS算法相比GA(genetic algorithm)、PSO(particle swarm optimization)等算法在资源利用率上有较大的改善,能有效提高云计算中虚拟机资源调度的效率.     

一种基于进程迁移的自适应双阈值动态负载平衡系统

为了实现机群系统内负载的均衡分布 ,提高资源利用率和系统的吞吐率 ,论文设计并实现了基于并行虚拟机环境的可迁移动态负载平衡系统。该系统采用集中式任务调度 ,定义了负载向量的计算方法 ,同时设计了“自适应双阈值算法”实时监测系统下各结点的负载信息 ,并实现了同构机群系统下进程的动态迁移。该算法有效保证了负载信息的及时性和准确性 ,避免了进程迁移的颠簸现象。实验结果表明 ,由于采用了自适应算法 ,本系统额外开销较小 ,能有效改善动态任务的分配和调度 ,提高系统的并行运行性能。     

基于服务网格的动态负载平衡调度算法研究

为了提高资源利用率和系统的吞吐率,需要实现服务网格系统内负载的均衡分布.提出了层次式动态负载平衡调度模式,详细介绍了负载平衡系统的系统结构.作业分配是负载平衡系统中的核心机制.设计并实现了一种综合考虑各局部代理作业数和各个局部代理性能以及当前负载情况的动态双阀值作业分配算法.试验数据表明,该作业分配算法较传统调度算法综合性能有较大提高.在作业数较多时,该作业分配算法性能更好.     

无线局域网中一种提供服务质量的自适应算法

IEEE802.11e在信道负载增加和信道性能恶化的情况下为优先级流提供QoS时,系统性能存在不稳定性.针对该问题提出一种新的自适应MAC算法(MEDCF),站点根据网络中的负载情况和信道的误码率自动调整竞争窗口大小、退避时间及数据帧长度.使信道在不同的负载和变化的信道特性下都能够在稳定系统吞吐量的同时,保证不同优先级数据流对QoS的需求.仿真结果验证了算法的有效性.     

基于经济模型的网格资源调度算法

建立了基于经济模型的网格作业调度系统,给出了相应的服务质量(QoS)资源调度算法.通过定义资源的多维QoS指标,实现了对计算网格中广域分布和异构资源的统一描述,能很好地适应网格资源的动态性和自治性.采用QoS偏好度排序和欧氏距离的优化策略搜索资源,将用户提出的具有个性化或总体服务需求的作业透明、动态地分配给最适应的资源,优化了资源的统一配置.采用仿真实验比较多种算法的性能,结果说明QoS算法可满足资源的自适应性,较好地实现全局资源调度的目标.     

基于蚁群优化算法的云计算资源负载均衡研究

针对云数据中心虚拟机分配物理机时存在负载不均衡的问题,提出了一种基于蚁群优化算法的资源调度算法.对问题场景进行了分析,提出了数据中心负载不均衡度以及物理机与虚拟机之间不匹配度的概念,并给出了问题的形式化描述.在蚁群算法选择概率规则中参考了用户对虚拟机资源的需求,尽量避免对相同类型虚拟机部署在一台物理机上,同时对信息素的初始化、信息素的更新进行了改进.通过CloudSim模拟平台进行仿真实验,并与其他的分配算法进行了比较,实验结果表明:该调度算法能够快速地完成虚拟机的放置,并且使云数据中心的物理机具有较低负载不均衡度,提高了资源的利用率.     

一种适用于B3G OFDM系统的下行无线分组调度算法

针对OFDM系统下行链路,无线分组调度须实现系统吞吐量、多业务QoS带宽速率、时延保证和公平性方面的诸多要求,提出一种能够实现自适应补偿的累积服务时延比例公平调度(DCPF)算法.该算法根据信道状态、累积服务时延等进行多目标判决,实施无线分组调度.分析和仿真结果表明,该算法可提供较好的QoS时延保证,并极大地提高各用户长期公平性.     

基于波束成形的多天线OFDM系统中的资源分配

针对多天线多用户环境下的正交频分复用 (OFDM)系统,提出了一个低复杂度的自适应资源分配方案,包括自适应子载波分配、自适应功率分配以及自适应波束成形等.目标是在保障各用户的服务质量(QoS)要求下,最小化总的系统发射功率.根据随机矩阵和排序统计的最新理论,对系统性能进行了详细的数学推导.数学分析和仿真结果表明,该方案可以充分利用多用户分集、空间分集等来显著提高系统性能,且能有效地保障用户的QoS.     

基于聚类蚁群算法的虚拟机资源分配算法研究

深入分析云计算环境下虚拟机资源调度分配的调度结构及与之对应的调度策略和算法后,结合云计算资源分配的最新研究成果和发展趋势,研究出一种基于聚类算法和蚁群算法的虚拟机资源分配算法.该算法基于Map/Reduce框架提出,着眼于如何为众多不同的用户任务分配虚拟机节点,充分考虑云计算环境中物理机的地域差异.在一个物理机区域内寻找分配虚拟机资源时引入蚁群算法,能更好地确保用户任务的按时完成,任务执行时间跨度方面满足服务等级协议(SLA).     

一种基于云存储的CDN视频副本部署策略

在线视频服务无法离开CDN(content delivery network)的支持.与传统CDN相比,使用云存储节点作为CDN的节点对视频内容进行分发可以节省大量运营费用.在线视频服务的内容文件要尽量预先部署到离用户较近的边缘节点上,以保证用户的QoS(quality of service).现有的GS(greedy site)内容预部署算法在有历史记录的前提下,有着较小的货币开销,且能满足QoS需求.然而,GS算法会导致云存储节点的负载均衡情况较差.为此,提出了一种称为GUCP(greedy user core preallocation)的部署算法,该算法利用k-means算法将负载过重节点上的用户分配到负载较轻的节点以平衡负载,解决GS算法在负载均衡方面存在的不足.实验表明,GUCP算法在系统使用费用、QoS性能方面与GS算法十分接近,在负载均衡性能上远远优于GS算法.     

面向实时业务的快速公平性分组调度算法

长期演进系统(long term evolution,LTE)中的分组调度算法需要满足一定的QoS.针对最大权值时廷优先算法(modified large weighted delay first,M-LWDF)在用户公平性方面的缺陷,提出了基于线性优先级和非线性优先级的M-LWDF算法,以达到提升用户公平性的目的.仿真结果表明,所提出的算法能够在牺牲少量系统吞吐量的情况下,较大程度地改善用户公平性和业务的丢包率.     

抢占式OVSF码动态分配算法

为了提高WCDMA (wideband code division multiple access)系统中高优先级业务的接入率,提出一种基于优先级的抢占式OVSF (orthogonal variable spreading factor codes)码动态分配算法.该算法中,当新的高优先级业务呼叫到达时,若出现容量阻塞,则中断代价最小的低优先级业务,并将其占用的码字分配给高优先级业务;若出现码阻塞,则选择代价最小的码树进行码字重分配.应用MATLAB软件完成的仿真结果表明: 在高负载的情况下,与传统动态码分配算法相比,本算法中高优先级业务的接入率能提高20%以上,同时算法保证了低的中断业务数和重分配码数,能良好地支持业务的QoS (quality of service)要求.