基于蚂蚁算法的网格计算任务调度方法设计

网格环境中的资源情况和任务情况异常复杂,难以用实验测试各种资源管理和任务调度方法的有效性.文中提出一种网格仿真系统结构,并设计和实现了基于蚂蚁算法的任务调度策略,将任务调度和资源管理相结合,兼顾系统的负载平衡和QOS,取得了较理想的实验结果.     

嵌入式RTOS中任务调度问题研究

针对嵌入式实时系统任务的管理和调度的特点,多数采用的是基于优先级的可抢占式调度策略,任务在运行的时候可能被更高优先级的任务中断。分析了嵌入式 RTOS 中的最高就绪任务的查找算法,指出该调度算法存在的不同优先级的反转问题,并且针对这一问题进行研究,并给出了相应的解决方案。     

边缘计算下基于深度强化学习的车联网任务调度

针对边缘计算下车联网中时延约束型计算任务的卸载执行问题，提出一种基于深度强化学习的任务调度方法。在多边缘服务器场景下，构建软件定义网络辅助的车联网任务卸载系统，给出车辆计算卸载的任务调度模型；根据任务调度的特点，设计一种基于改进指针网络的调度方法，综合考虑任务调度和计算资源分配的复杂性，采用深度强化学习算法对指针网络进行训练；运用训练好的指针网络对车辆卸载任务进行调度。仿真结果表明：在边缘服务器计算资源相同的情况下，该方法在处理时延约束型计算任务的数量方面优于其他方法，有效提高了车联网任务卸载系统的服务能力。     

多停泊基地约束下港口拖轮作业的一体化调度优化

在分析拖轮调度问题基本性质的基础上,结合多处理器任务调度理论,构建了以拖轮总作业时间最小化为目标函数、考虑多停泊基地条件下的一体化调度优化模型;针对问题特点设计了混合模拟退火算法并对其进行求解;以二维实整数的方式作为解的表现形式,在初始解的生成过程中加入首艘可用拖轮的启发式规则,并运用三点交叉的方式产生新解.数值实例结果表明,所提出的算法收敛性较好,求解结果比现行调度规则所得结果的优化率提高了20%.对系统参数的分析表明:移泊作业所占比例和到港船舶类型对目标函数的影响较大;在拖轮配备中,总作业时间对拖轮配备情况具有极弱的敏感性,而在不同装卸作业时间下总作业时间的变化无规律性.     

基于变异算子的云计算任务调度算法

为了高效调度云计算中海量的任务,提出一种改进遗传算法(IGA),将变异操作分为两种:变异操作a和变异操作b。变异操作a为随机位置的基因值变异,而变异操作b则是先找出满足一定条件的基因位置,再将该位置的基因值变异成目标基因值,使得每次变异后的染色体都优于变异前的染色体。在算法的前期使用变异操作a,在算法后期即将收敛于最优解时,采用变异操作b以加快收敛的速度。为了避免改进变异操作使算法陷入局部解,在种群初始化时,采用染色体匹配率的方式选择初始化种群,使其均匀的分布在整个解空间上。实验仿真结果表明,改进算法不但使最终完成时间更短,收敛效率更高,而且可以在一定程度上均衡负载,能更有效地实现任务调度。     

基于多Agent的分布式多目标任务调度机制研究

针对分布式计算中任务调度的复杂性、动态性和实时性等特点,构建了一个基于多Agent的分布式多目标任务调度模型．此模型中,设计了一种分布武调度机制,使每个节点都具有独立的调度决策能力,增强了系统的可扩展性．同时为了解决分布式调度所产生的节点间任务通信问题,引入任务与节点相关性等概念,有效地降低了节点间的通信代价．模型对多个评价指标进行了综合衡量,如任务调度开销、任务最早执行时间、负载均衡及节点问的通信量等,并根据任务和系统运行的状态特征,实现多目标任务调度,提高了系统的整体性能．     

边缘计算环境下的任务调度综述

边缘计算作为一种新兴的计算模式,能够有效解决终端设备不具有计算能力或处理计算密集型与时延敏感型应用能力不足的问题。任务调度是边缘计算研究的关键技术之一,合理的任务调度策略可以有效提高边缘节点性能,提高资源利用率和降低能耗。本文围绕边缘计算环境下的任务调度技术,首先介绍了边缘计算三层系统架构、任务调度概念及流程,其次分析了基于不同目标优化的任务调度策略及各自优缺点,最后针对边缘计算的发展做出了总结与展望。     

一种面向教育云资源共享的优先级队列任务调度算法

针对教育云资源共享中任务调度时优先级不同带来的挑战,提出了一种基于任务优先级的最优调度算法优化教育服务质量.文章首先分析了各种任务的服务质量需求,对任务进行优先级分类,设计了一种基于优先级的队列调度核心算法.然后,分析了所设计调度算法的实施过程和具体步骤.仿真结果验证了优先级队列任务调度算法能够降低系统的处理时延,从而...     

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.     

基于优先级调度算法的TXC设备的设计 

多任务处理通常基于多任务操作系统，由多任务OS的核心系统调度器根据各个任务的优先级来调度CPU的控制权。但在多任务系统平台上进行产品开发，不仅成本高，而且开发周期长。以TXC设备为例，讲述了单任务平台上多任务处理的实现机制——基于优先级的调度算法。