一种动态网格资源可用性风险评价方法

首次提出了网格资源可用性风险的概念,基于相关资源的作业历史信息,利用概率与统计的方法对资源可用性风险进行预测与评估,提出了单一网格资源与网格资源集合的可用性风险评价方法,并给出了基于资源可用性风险评价的网格调度算法.实验表明,基于资源可用性风险评价的网格资源调度算法,可有效的确定可用资源集合,降低网格作业失效率,提高网格资源的使用效率.     

一种基于Qos的网格资源调度策略

网格资源的合理调度一直是网格计算中的热点问题.当前网格资源调度的一种经典算法是Min-min算法.通过介绍Min-min算法的内容和特点,找出这种算法的缺点和不足,然后在该算法的基础上提出一种基于Qos的改进算法.这种改进算法的目的是在提高资源调度效率的同时又能均衡网格资源中的负载,进一步提高资源的利用率.     

异常网络环境下云计算资源需求策略

针对常规云计算资源预测算法不能在异常网络环境下做到精准预测的难题,提出一种基于改进蚁群算法的调度策略.该策略融入了信息数的概念,既能快速均衡负载,又能保障用户在多条件下云计算的需要,合理降低能耗,提高云计算性能.实验结果表明,基于改进的蚁群调度算法提高了云计算资源利用率,降低了能量消耗,使单节点处理任务量有较大提升,极大提高了云计算的性能和服务质量.     

多技能资源投入项目调度问题的建模与优化

以大型工业品移动装配线为实际背景,针对多技能人力资源投入成本问题,建立了以最小化资源投入成本为目标的数学模型.针对该模型,提出了基于全局作业影响的改进调度机制的遗传算法,设计最小费用最大流多技能资源分配算法解决资源分配问题,通过基于全局资源水平影响的作业调度评估策略优化非关键作业的调度位置.最后利用改造的标准算例库PSPLIB进行数值试验,通过与CPLEX和文献算法对比,验证了本文算法的有效性.     

基于信任驱动的网格资源调度算法

针对当前网格资源管理中作业与资源匹配的缺陷,基于信任效益函数和作业响应比,提出了同时兼顾性能QoS和信任QoS的资源调度算法.不仅考虑到作业资源对的信任考虑,还考虑到每个作业的性能QoS,解决了长时间等待作业不断被推迟运行的问题.实验表明,该算法较传统的Min-Min算法在总信任效益函数、总执行时间和作业提交失败率方面有较好的综合性能.     

Hadoop平台下MapReduce模型调度算法研究

针对Hadoop默认FIFO调度算法和Fair调度算法、Capacity调度算法的不足,引入了一种基于优先权的自适应MapReduce调度算法.该算法利用作业权值为不同的Job分配不同的系统资源,同时根据各TaskTracker节点反馈回来的消息调整可执行队列的长度,以达到各节点负载平衡,提高系统的执行效率.     

一种短作业环境下的延迟调度算法

针对短作业场景下YARN平台中延迟调度算法基于静态时间等待阈值,不能进行合理等待的问题,提出了一种云计算环境中基于本地性资源预测的延迟调度算法(locality resource forecast delay scheduling,LRFD)。该算法综合考虑短作业和资源可用性动态变化的特点进行任务调度,根据节点上任务的完成进度和作业未处理数据在集群中的分布状况预估作业的本地性资源信息,从而判断是否需要进行等待以提高系统性能,实现了对本地性资源的合理等待。实验结果表明:在短作业场景下,LRFD算法的性能和稳定性均优于已有的延迟算法,作业性能平均提升约10%,最大加速比可达3倍以上。     

数据网格中基于预测访问代价的作业调度算法

为解决数据网格中数据密集型作业的有效调度问题,提出了一种考虑等待队列中的作业潜在行为的基于访问代价的作业调度算法.分析了等待队列中的作业潜在行为的特点和作业访问代价的影响因素,给出了一个基于预测访问代价的作业调度算法.在OptorSim中的实验结果表明,该方法在作业平均处理时间和副本复制次数方面优于传统基于访问代价算法.     

基于GridSim的一种改进的资源调度算法的模拟

网格资源管理是网格中一件非常复杂和具有挑战性的工作.资源管理的好坏、效率的高低直接关系到计算网格系统的性能,因此对资源管理的研究显得尤为重要.GridSim提供了一个虚拟的网格平台,在该仿真平台下,用户可以模拟资源调度,从而检测调度算法的优劣.本文对已有的时间代价均衡算法进行改进,提出了一种新的基于时间代价的资源调度算法,并借助Echlipse平台实现了该算法的模拟.实验表明,改进算法在任务数比较多时具有一定的优势.     

成本/时间综合优化网络资源调度策略及价格算法

为对资源进行有效管理和调度,分析了网格资源管理领域目前已有的经济学模型资源分配框架,给出了经济模型中价格机制的形式化描述.参考Buyya提出的调度策略,在综合考虑成本价格和作业执行时间的基础上,提出了经济模型下基于时限预算和作业价格预算的成本和时间综合最优调度(STPP)策略和一种获取价格的迭代算法.研究表明,STPP策略增强了资源调度的灵活性和可扩展性.     

编队反导资源调度问题分析

为了发挥编队反导资源的作战效能,提高整体作战能力,可将编队反导资源进行统一调度使用。借鉴柔性工作调度的思路,结合反导资源作战使用的实际情况,建立了编队反导资源调度模型,然后运用混合粒子群算法进行求解。调度模型不但可以确定对每枚反舰导弹抗击的次序,而且还可以确定抗击的开始和结束时间。混合粒子群算法编码简单,操作性强。仿真实例表明,调度模型合理有效,算法收敛速度快、迭代次数少。     

基于云遗传算法的不确定性环境下平台资源调度适应性优化方法

针对战场环境中不确定因素对平台资源调度方案的影响,提出了一种面向不确定事件的平台资源调度适应性优化方法。考虑平台损耗和任务处理时间2个方面的不确定性,建立以最大任务执行效率为目标函数的平台资源调度的适应性优化问题的数学模型,根据不确定事件对平台资源能力或任务属性的影响来判断是否触发调度方案的适应性优化,并基于云遗传算法设计了平台资源调度适应性优化问题数学模型的求解方法,最后通过算例进行了验证。仿真结果表明,使用云遗传算法对平台资源调度方案进行适应性优化调整,能得到更加优化的平台任务匹配关系,并从整体上缩短使命完成时间。     

基于QoS云计算任务调度优化

由于云计算技术快速发展,为了满足日益多样化的云计算用户服务质量(QoS需求)以及提高云计算资源调度的效率,提出基于改进蚁群算法的云计算资源调度优化算法,包括建立云计算资源模型和用户QoS需求模型.为了得到更准确的结论,针对传统蚁群算法过快收敛造成的局部最优解现象,在传统的蚁群算法的基础上加入随机选择机制,时间、成本和结果有效可用性适应度因子进行了优化改良,以求得全局最优解.通过仿真实验将传统的蚁群算法、Mi n-Mi n调度算法和改进的蚁群优化算法进行比较,实验表明,改进的蚁群优化算法在调度效率、节约成本、减少任务执行时间和任务得到结果质量方面有明显的优势.     

高校课程调度系统的研究与实现

课程调度是高校教务管理的重要工作，是学校日常教学、资源合理使用的关键一环。当学校规模较小时，排课的数据量和约束条件较少，人工排课的方法尚可适用，但是随着学校规模的不断扩大，人工排课的效率和资源协调能力已经难以满足要求。文中借鉴一种需求资源矩阵的算法，对其进行了改进，并以此算法为核心，设计并实现了一个适合多校区、资源冗余较少、约束条件较多的课程调度系统，较好地解决了高校的课程调度问题。     

海量电子图书信息资源利用率均衡调度方法

为解决传统方法调度均衡性差,资源利用率低的弊端,提出一种新的海量电子图书信息资源利用率均衡调度方法。依据海量电子图书信息资源池中物理服务器的工作情况,对资源池运行工作进行判断,针对不饱和运行状态,通过分析资源利用率方差、资源利用率均衡度和整个资源利用率均衡度,建立均衡调度目标函数,采用蚁群算法对其进行求解决,获取最优调度策略。在资源池饱和的情况下,求出全部虚拟机资源的等待时间,选用等待时间最短的虚拟机执行当前海量电子图书网络用户请求资源。结果表明,所提方法调度结果和其他方法相比最均衡,只有少部分均衡性相对较差;对CPU和I/O资源利用率调度均衡性较好,对内存利用率调度均衡性相对较差,但和其他方法相比较好;对不同资源利用率均为95%～99%。可见所提方法对电子图书信息资源利用率调度均衡性好,有很高的竞争力和资源利用率。     

基于猫群优化算法的云计算虚拟机资源负载均衡调度

为了提高虚拟机资源调度的利用率, 实现虚拟机资源合理调度, 提出一种基于猫群优化算法的虚拟机资源调度优化方法. 首先根据虚拟机资源调度优化目标构建数学模型; 然后综合考虑最短时间与最优负载构建猫群优化算法的适应度函数, 并通过模拟猫的日常行为实现虚拟机资源调度最优方案的寻优; 最后在CloudSim平台上对该算法的有效性进行测试. 测试结果表明, 该算法能获得更优的虚拟机资源调度方案, 保证了虚拟机资源的负载均衡, 可以满足用户需求的偏好性.     

基于蚁群粒子群优化算法的云计算资源调度方案

通过对蚁群算法和粒子群算法分别进行改进,利用两种算法自身优势相结合的方式建立一种蚁群粒子群算法,以提高云计算资源调度效率,解决云计算中资源调度方案优化问题.实验结果表明,该算法所消耗的时间更少,效果更好.     

联合作战资源调度模型研究

 针对联合作战筹划过程中的不确定性资源调度问题,设计了基于资源流的反应式调度模型;针对调度过程中的时间不确定性,提出了模糊数建模方法;针对资源调度过程中的资源不确定性,提出了基于双重优先级的优势资源竞争方法,并通过遗传算法进行全局寻优,针对任务不确定性问题,设计了反应式鲁棒策略模型,并实验验证了模型的有效性。     

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.     

基于自适应遗传算法的网格任务调度优化

针对传统任务调度算法效率较低、资源负载不平衡等缺点,基于遗传算法,考虑现代网格系统异构性和动态性的特点,提出一种有效的交叉概率和变异概率自适应更新方法,提高遗传算法的全局搜索能力和收敛速度.仿真实验表明,改进后的遗传算法在进化速度上有明显提升,可较好地处理网格任务调度问题,提高任务调度效率,降低资源负载的不平衡性.