基于稳定匹配机制的网格任务调度算法

任务调度和资源分配是网格计算的关键技术.提出了一种基于稳定匹配机制的网格任务调度算法(SMM:Stable Matching Mechanism),以及根据各奈件因素值及其所占比率进行量化匹配的思想.用户和资源可以根据自身特点动态地设置各条件因素的基准值,通过与实际提供的条件因素值进行比较,得到匹配度,按照匹配度的高低顺序循环匹配最终达到稳定.算法综合考虑用户和资源双方的需求而得出相应的稳定匹配调度策略.给出了算法的数学模型和描述,在Matlab语言环境下仿真表明,SMM算法可以有效地实现网格任务调度,满足任务和资源双方的需求,得到稳定匹配.     

仿真网格中应用任务调度模型研究

在仿真网格中,建立应用任务调度模型是研究仿真网格应用任务调度问题的关键.首先对分布式仿真应用形式的特点进行分析,建立了仿真应用任务的形式描述;根据任务描述,建立了基于图论的仿真应用任务需求模型和资源拓扑结构模型;在此基础上,对应用任务调度问题进行描述,定义了应用任务调度性能指标和性能函数,构建了仿真网格的应用任务调度模型.     

基于蚁群算法的参数相关网格任务调度算法研究

任务调度是网格计算环境中影响系统性能的重要问题,目前大多数调度算法在调度时均把任务假定为元任务,而忽略任务间的约束关系。利用图论的思想将任务间依赖关系描述为满足一定条件的有向无环图（DAG）,通过DAG图可以精确描述任务的优先级,此外蚁群算法在元任务调度中能有效实现任务调度和负载均衡,因此在蚁群算法进行元任务调度结果的基础上,根据任务优先级对分配给资源的任务进行排序即得出了参数相关任务调度的结果。仿真结果显示,此方法在各种网格环境下均能解决相关任务的调度问题,而且保证系统的负载均衡。     

计算网格任务调度的随机高级Petri网模型与分析

针对一种包含全局调度器和本地调度器的分布式计算网格体系结构,建立了该系统的随机高级Petri网（SHLPN）模型,并进行了模型精化设计以降低模型求解的复杂性,使用基于SHLPN的性能分析技术,对一种基于优先级的任务调度综合控制策略进行了性能分析与评价,数值结果显示了基于SHLPN的建模和分析方法的有效性。     

网格环境下复杂过程系统优化计算服务及任务调度策略

针对目前优化计算服务缺乏对一般用户的优化计算支持和灵活的资源共享方式,提出利用网格环境、支持网络计算资源以并行的、协同的方式提供面向服务的优化功能的计算服务系统,并设计了对系统性能具有重要影响的动态任务调度算法,从而使系统能够适应复杂过程系统优化计算以及网格环境的典型特征.相应地,系统采用多任务队列的任务管理方式和计算节点组的资源管理方式,为该调度策略提供实现基础.测试结果体现了基于该调度算法的优化计算服务系统的良好性能,并为设计在该系统下高效运行的并行算法提供了参考依据.     

子任务调度和时延联合优化的MEC卸载方案

移动边缘计算(mobile edge computing, MEC)为5G超低时延业务提供了解决方案。如何设计低时延、高效率的任务卸载方案,是MEC面临的主要难题之一。为此,针对端-边协同MEC服务场景,研究了大型计算任务的低时延、低能耗部分卸载方案,通过将用户任务划分为多个有顺序依赖关系的子任务并构建子任务的有向无环关系图,设计了能够最小化卸载时延的子任务调度方案,提出了基于任务复制的最早卸载执行算法,解决了能耗受限下的任务最小时延卸载计算。仿真结果表明,提出的MEC卸载方案能够有效减少任务处理时延,降低系统能耗。     

一种模块化的仿真网格系统框架设计方法

网格是新一代信息基础技术,其目的是实现资源共享。根据现有的基于HLA构建的分布式仿真系统存在的缺陷,利用网格技术的优势研究并提出了模块化的仿真网格系统框架。通过讨论相关功能模块的实现方法及关键技术的解决手段,实现了资源和任务有效管理和调度,从而发挥网格的优势来支持仿真的高效运行。     

向虚拟样机并行设计的任务调度方法

针对复杂产品虚拟样机并行设计中任务调度存在的开发时间凭经验主观假定、求解策略不易获得最优解等问题,建立了任务调度模型,提出了基于案例推理的任务开发时间估算策略,设计了基于遗传算法的模型求解策略。时间估算策略以设计单元以往完成任务的信息为依据,提高了时间估算的合理性;模型求解策略能够保证搜索空间的完全性,在满足任务间约束的前提下,快速求得最优调度,提高了求解策略的效率。最后用实例验证了方法的有效性,它能大幅缩短虚拟样机并行设计时间。     

有向网络的最小流问题及其分枝定界解法

在以人为运动主体的交通网络中，堵塞是经济发生的现象。本文研究的网络最小流是指网络中发生最严重堵塞状态时通过网络的最大流量，它是设计和运行效能网络，特别是紧急疏散网络的参数。     

基于网格划分的混合优化算法

提出了用于求解大规模优化模型的基于网格划分的混合算法。该算法引入了空间划分和收缩的思想,在求解过程中首先应用全局优化算法确定优解信息,其次使用网格划分和合并将解空间快速划分和收缩为多个子空间,然后用局部优化算法在模型的极值点附近搜索,可以很快地收敛到极值点。仿真结果表明该算法在搜索效率、应用范围、解的精确性和鲁棒性上都体现了良好的性能。     

一种快速平衡任务的网格调度算法

分析了Min-Min算法和Max-Min算法的一些缺陷,并在此基础上提出了一种满足负载均衡的快速平衡（Fast-Balance）调度算法。采用贪心思想,转移或交换最大和最小负载机器上的任务,使各机器上的负载快速均衡,实验表明该算法具有很好的性能,并且能得到比Min-Min、Max-Min算法更优的调度结果。     

面向连续系统并行仿真的任务调度算法

任务调度是并行分布计算中最具有挑战性的问题之一。如何合理、有效地地进行任务调度,将直接影响到系统的并行效率。本文通过对连续系统仿真程序特点的分析,折衷考虑了负载平衡与通讯延时两方面因素对并计算的不同影响,提出了一种以系统总的开锁最小为目标的启发式调度算法。该算法在我们研制的长缨三号（ＣＨＹ－Ⅲ）并行机上经验证,具有良好的并行效率。     

基于资源性能评估的网格任务调度算法

在保障本地任务QoS需求并尊重网格节点本地调度策略的条件下,为网格用户提供QoS保障是计算服务网格环境中任务调度的一个重要目标和面临的新问题.根据对网格节点相关资源可用性历史数据进行统计、分析得出的结果,利用概率论方法对网格节点的资源能力进行评估,对网格节点状态进行划分并得到资源的平均状态;利用信息论中熵的概念对网格节点状态动态变化的不确定性进行评估并得到刻画网格节点状态不确定性的定量值.在此基础上,建立了一种基于性能评估的分布式调度框架,并提出了一种基于性能评估的网格任务调度算法.对GridSim进行了改进与扩展,基于改进与扩展后的GridSim对提出的算法进行仿真并与相关算法进行比较,实验结果表明了本所提出的调度算法在网格用户QoS保障程度、网格任务执行makespan以及负载均衡等方面的有效性.     

异构计算系统任务调度的遗传算法及改进

提出一种新的染色体编码方法——逆排序消出结点法RSEEN,确保染色体对应的任务分配调度为合理调度,不必在遗传操作过程中不断地验证和调整基因以保证染色体的有效性,简化了遗传操作,使优良基因更易保全并传递给后代,种群的进化过程更接近自然的进化法则。另外,还采用了启发式变异方法,加速了算法的收敛性。同时,构造本算法是以异构计算系统模型为基础的,充分考虑了任务间数据交换的开销和处理机间的差异,算法的应用更有普遍意义。     

基于蚁群算法的并行测试任务调度

并行测试的任务优化调度是并行测试技术的核心问题.提出了一种用于解决并行测试任务调度问题的改进蚁群算法,通过该算法可以获得测试时间最短的任务调度序列.给出了并行测试任务调度问题的数学模型,设计了启发式函数和状态转移概率的计算公式.采用动态标注方法在搜索过程中加大可行解间的信息素差别,避免算法早熟.给出了应用实例,实际应用表明该算法是有效的,能很好地解决此类多维动态组合优化问题.     

任务调度过程中就绪队列的优化研究

绝大多数嵌入式实时系统仅配置了必不可少的资源，任务间抢占行为导致的额外开销严重影响着系统的性能，通过分析周期性任务的调度过程，得出在确保任务不错过截止期条件下，各个任务在就绪队列中可等待的最长期限计算公式，并根据公式推导出任务满足截止期的最后抢占时刻等属性，从而定量地刻画了周期性任务抢占行为发生的必要条件，提出了一套对周期性任务的就等队列进行微调度的抢占模型，通过改变抢占关系来减少抢占次数，优化实时系统性能，本文最后通过实验验证了该微调度的抢占模型不仅有效地减少抢占次数，同时对于表态优先级调度策略如RM，能有效地提高处理器的可调度利用率。     

基于遗传编程和效用最优的网格资源调度及仿真

由于因特网的开放、动态性,传统的计算资源调度方法已不再适用网格计算.基于经济模型的网格资源管理和调度成为研究热点.针对计算市场模型中非线性效用最优化问题,提出了一种基于遗传编程改进的效用最优的网格资源调度算法.该算法使用遗传编程构造计算市场模型中的效用函数,使得计算复杂度控制为O(n).仿真结果表明该算法可以提高网格计算中的资源调度性能.