面向异构效用的移动群智感知多目标任务分配

当前移动群智感知(MCS)任务分配往往只考虑工人或平台单方面的效用,并且效用的构成也不够全面。因此基于工人信誉指数和任务熟练指数,设计了工人和平台两方面的异构效用机制,并提出一种双种群竞争的多目标进化算法(DCMEA)来获得最优的工人和平台异构效用。该算法首先通过随机贪婪初始化种群,然后使用二元竞标赛算法将种群划分为胜者种群和败者种群,并针对每个种群采用不同的进化策略。最后,通过修复算子使进化过程中的无效个体满足约束条件。在真实场景的数据集上进行实验表明,与基线算法相比,DCMEA收敛速度更快,能够找到精度更优、稳定性更好的任务分配解集,同时在更为复杂的场景中依然能够保持其性能。     

MIMO-OFDM系统中抑制ICI的符号组合自消除算法

MIMO-OFDM系统易受载波频偏影响,产生子载波间干扰(ICI)。传统的ICI自消除算法简单实用,但频谱利用率较低;与传统ICI自消除算法相比,基于差分编码的ICI自消除算法提高了系统的频带利用率,但系统误码率较高。给出了一种基于符号组合的ICI自消除算法,在相邻的三个子载波上分别发送原始符号、相邻符号的组合符号和原始符号,接收端将接收到的信息进行线性组合,来减小相邻子载波间干扰。仿真结果表明,与基于差分编码的ICI自消除算法相比,这种算法既能更有效地抑制ICI,又能降低系统的误码率;与传统的ICI自消除算法相比,提高了系统的频带利用率。本算法在抑制ICI、降低系统误码率和频带利用率方面有较好的均衡。     

云计算中基于共享机制和群体智能优化算法的任务调度方案

为了提高云计算中虚拟机(VM)的利用率并降低任务的完成时间,提出了一种融合共享机制的混合群智能优化算法,实现云任务的动态调度。首先,将虚拟机调度编码为蜜蜂、蚂蚁和遗传个体。然后,利用人工蜂群算法(ABC)、蚁群算法(ACO)和遗传算法(GA)分别在各自邻域内寻找最优解。最后,通过一个共享机制使3种算法定期交流各自搜索到的解,并将获得的最佳解作为当前最优解进行下一次迭代过程,以此来加速算法收敛并提高收敛精度。通过CloudSim进行了一个云任务调度的仿真实验,结果表明提出的混合算法能够合理有效地调度任务,在任务完成时间和稳定性方面具有优越的性能。     

基于非完全信息博弈的网格资源分配模型

针对网格计算环境动态,异构和分布的特性以及网格资源分配中资源利用率低、效益不均等问题,结合微观经济学理论,建立了一种多赢家式的网格资源拍卖模型(muti-winners auction model,简称MWAM).将隐马尔可夫模型应用在网格用户t时刻出价状态预测方面,并结合分配算法计算出能够获得所需资源的概率;并且在原有资源分配机制的基础上,结合非完全信息纳什均衡理论设计了一种多赢家拍卖算法.从理论上证明了资源分配结束后系统收益最大,且本模型符合微观经济学中的激励相容性与个人理性准则.实验模拟在验证了隐马尔可夫预测的可行性的同时,又与几种具有代表性的算法相比较,从资源利用率、系统总收益等方面突显了本模型的优势.     

基于压缩感知的MIMO-OFDM信道估计中的导频设计方案

多输入多输出-正交频分复用(Multiple input multiple output-orthogonal frequency division multiplexing,MIMO-OFDM)系统作为MIMO系统和OFDM系统的结合,具有很高的频带利用率并能有效地对抗无线信道的多径效应。本文研究了MIMO-OFDM系统稀疏信道估计及其导频优化,将信道估计问题转化为压缩感知(Compressed sensing,CS)理论中的稀疏信号重建问题,将最小化测量矩阵的互相关作为导频优化的目标。结合已有的随机序贯搜索(Stochastic sequential search,SSS)和扩展算法2(Extension scheme 2,ES2)算法以及导频移位机制,提出了一种快速的导频优化算法随机搜索移位算法(Stochastic sequential search-shift mechanism,SSS-SM)。此算法的运算复杂度远低于已有的ES2算法,运算时间不受发射天线数影响。将SSS-SM算法和ES2算法分别获得的导频设计结果应用于MIMO-OFDM系统的信道估计,仿真结果表明,采用SSS-SM算法可以更低的算法复杂度获得与ES2算法相同的信道估计性能;高信噪比情况下,SSS-SM算法对应的均方误差(Mean square error,MSE)比ES2平均低约3~5 dB,因此这种方法在高信噪比下更有优势。     

基于速率预测的三色标记算法

提出了一种适用于比例区分服务的数据包标记算法——基于速率预测的三色标记算法(Rate Prediction Marker, RPM)。RPM算法基于在线流量预测算法,对DiffServ网络中经过分类器划分的网络流或者进入标记器的网络流进行提前1期流量预测,根据预测结果以及历史流量的均值进行加权后的结果对数据包进行标记。当源端可能进入TCP的拥塞恢复阶段时,按比例将网络中的可用带宽分配给服务聚集流,从而提高网络带宽的利用率。仿真和实验结果表明,RPM算法与现有的算法相比在目标速率影响和带宽吞吐量上具有更好的性能,从而获得了很好的公平性和带宽利用率。     

EAM，突破资产管理瓶颈

随着管理信息化程度的不断提高,企业资产管理的内容和范畴也在不断丰富和深化。不仅设备是企业的重要资源,企业的生产环境、设备维护工人的劳动技能和劳动热情也是企业重要的资源。EAM(企业资产管理)是实现企业资产管理信息化的重要手段。通过使用EAM系统,除了可以提高设备利用率、获得高产出以外,还可以在更广泛的意义上,对企业的产品品质、生产安全性、节约能源,环境保护提供重要的保障。应用EAM系统的目的,就是让企业资产管理不再成为企业发展的瓶颈。     

二维板材组包排样问题的离散差分进化算法求解

为了提高包装箱的空间利用率,提出一种基于离散差分进化算法的方法,以求解二维板材组包排样问题.采用带符号的序列代表一个排样方案,提出了基于最低水平线的空隙可再利用启发式算法,对单个包的子序列进行解码,获得对单包的排样子问题的自动排样方案,使板材充分填充产生的空隙;为了改进排样结果,提出邻近策略以进一步提高空间利用率.实验结果表明,对仿真实验数据,该算法获得了比遗传算法更好的结果;对实际生产数据,该算法所得结果比原有排样方案的空间利用率更高.     

基于贝叶斯压缩感知的正交频分复用信道估计改进

为了获得理想的正交频分复用信道估计结果,针对传统算法没有充分利用无线信道时域的固有稀疏性,导致估计精度不高且频谱利用率低等难题,提出了改进贝叶斯算法感知的正交频分复用信道估计算法。首先在详细介绍本文算法的原理和步骤基础上,与传统信道估计算法进行仿真对比实验。仿真结果表明,相对于其它信道估计算法,本算法可获得更高的信道估计精度,在使用较少导频的条件下获得很好的信道估计性能。     

应用预留资源进行补偿的无线网络公平调度算法的探讨

提出了一种结合预留资源进行补偿的无线公平调度算法.当系统呼叫切换频率很低时,将预留资源的空闲部分中的一部分用于补偿,以提高系统的资源利用率;当系统呼叫切换频率很高时,进行补偿的业务流均为那些获得额外服务的业务流,本算法应用在系统呼叫的切换频率很低的情况下,可以充分利用频带资源的优势.     

基于改进GEP和资源改变量的局部云任务调度算法

针对云计算中一些现有的基于批量调度模式和进化算法的动态云任务调度算法计算量较大,计算时间成本较高的现象,提出了一种基于改进基因表达式编程(GEP)和资源改变量的局部云任务调度算法.首先结合云任务调度的特点对普通GEP算法做出了相应的改进,然后采用加权求和的方式构造了一个基于综合利用率和能耗的适应度函数,最后依据物理机综合利用率的差异给出了基于改进GEP和资源改变量的局部云任务调度算法.基于资源改变量的局部云任务调度算法,通过对任务运行情况和物理资源使用情况进行监控,合理设定阈值,以减少参与调度物理机的个数,从而降低任务调度算法的时间成本.基于RH(rolling horizon)模型,通过实验将所提出的算法与普通遗传算法、全局GEP算法进行了比较,可知该算法不仅可以降低寻优时间,不易陷入局部最优解,且具有较快的收敛速度.     

基于离线利用率分析的混合关键级任务调度优化研究

现主流的混合关键级调度算法在系统高关键级状态下时主要通过抛弃低关键级任务来保证高关键级任务的执行,进而保证系统的正确性。此方法常常导致低关键级任务无法执行但系统资源却过剩的问题发生,故基于该问题提出复合型SDU（schedule depend on utilization）调度算法。该方法根据任务集对系统资源需求情况的不同进行利用率区间的划分,通过对各个区间实际使用情况的分析,设计相应的子算法进行调度,并提出了SDU算法对应的可调度性判据。仿真实验结果表明,相较于混合关键级任务调度领域主流的EDF-VD（earliest deadline first-virtual deadline）算法,所提SDU算法可将系统对任务集的调度率提升30%,并在相同情况下将系统对低关键级任务的执行率提升165%,证明了该算法可以极大地提高系统资源使用率,并保证系统服务完整性。     

基于反馈控制的实时调度算法设计与实现

传统的实时调度算法在运行环境不可预测的嵌入式操作系统中应用时,要求系统预留大量的CPU资源,而且在稳定性和精确性等方面存在不足.文章为解决这些问题提出了基于反馈控制的实时调度算法,仿真表明该算法相对传统算法而言,提高了系统的CPU利用率,并降低了任务的截止期限错过率.     

一种基于分簇复制的DAG任务图调度算法

并行任务调度是影响机群计算效率的关键因素之一，机群环境DAG(Directed Acyclic Graph)任务图调度是一个NP完全问题，只能寻求启发式算法。已有的研究中，图解重构算法在允许任务复制的条件下，通过对DAG图递归分解与子图重构，初步实现了一个可行的调度方案。该文在此基础上，提出了以调度长度增量为依据的任务复制策略，利用该策略调整受制约节点的同簇前驱，解决了任务簇间的时间制约问题，缩短了调度长度；通过合理地选择任务簇进行合并，增大任务簇的粒度，提高了处理器的利用率。提出的以任务簇扩展-合并为特征、以分簇复制为手段的DAG图调度算法，改进和拓展了图解重构方法。实例分析表明本算法复杂度与TDS (Task Duplication Scheduling)相同，但性能更优。     

汽车维修车间作业排序的优化模型及调度算法*

针对汽车维修车间调度缺乏科学规划,导致较长的客户等待时间和较低的设备利用率的问题,在结合优化调度理论的基础上, 对这一实际调度问题的特性、模型和算法进行了研究。首先从最小化目标、机器环境、加工特征和约束几方面分析了问题的特征,建立了对应的数学模型;然后根据问题特性设计了分解法与约束引导的启发式算法相结合的调度算法;最后以实例分析验证了算法的可行性。仿真结果表明了所用算法在优化目标函数值上的优越性。     

A green energy-efficient scheduling algorithm using the DVFS technique for cloud datacenters

Information and communication technology (ICT) has a profound impact on environment because of its large amount of CO₂ emissions. In the past years, the research field of “green” and low power consumption networking infrastructures is of great importance for both service/network providers and equipment manufacturers. An emerging technology called Cloud computing can increase the utilization and efficiency of hardware equipment. The job scheduler is needed by a cloud datacenter to arrange resources for executing jobs. In this paper, we propose a scheduling algorithm for the cloud datacenter with a dynamic voltage frequency scaling technique. Our scheduling algorithm can efficiently increase resource utilization; hence, it can decrease the energy consumption for executing jobs. Experimental results show that our scheme can reduce more energy consumption than other schemes do. The performance of executing jobs is not sacrificed in our scheme. We provide a green energy-efficient scheduling algorithm using the DVFS technique for Cloud computing datacenters.     

可回退抢占的设备驱动综合调度算法

针对基于拟关键路径法的综合调度算法按路径长度确定工序的调度次序,形成工序组间的并行处理, 使设备产生较多空闲时间的问题,提出可回退抢占的设备驱动综合调度算法. 该算法以每次工序加工结束作为一次可调度工序的寻找事件,若此时新出现的可调度工序具备抢占能力,则产生回退事 件进行重调度;若不产生回退事件,如果可调度工序唯一,则调度此工序;如果可调度工序不唯一, 选择父结点路径长的工序;如果父结点最长路径相同,选择用时长的工序. 由于该算法在调度工序时形成工序间的并行处理,缩小基于拟关键路径的综合调度算法形成的并行处理单位,进而减少加工过程中产生较多的设备空闲时间,提高设备利用率;同时,由于采用抢占式的回退调度策略,优先调度对调度结果有重要影响的长路径工序,达到对拟关键路径法的扬长避短,进一步提高设备利用率.     

一种无抖动的分布式多媒体任务调度算法

在分布式多媒体系统中,资源的管理和分配算法是保证应用的服务质量（ＱｏＳ）的关键问题,而资源管理中,ＱｏＳ协商和确认都和多媒体任务调芳算法有关,任务调度算法是资源管理的重要内容。现有的调度算法ＥＤＦ,ＲＭ,ＤＳｒ适用在分布式多媒体系统中,有局限性。本文基于风车调度模型,提出了一种无抖动调度的逐步消除候选项的并行算法ＤＭＳｒ,能达到分布系统中多媒体任务周期调度的无抖动特点,并讨论了算法的计算复杂度,证     

基于多核处理器的关联任务并行感知调度算法

关联任务在多核处理器上并行调度所产生的通信时延,会对任务调度长度和处理器利用率造成负面影响,为了改善多核系统对关联任务的处理性能,针对关联任务在多核处理器上的调度特点,提出一种并行感知调度算法。计算各任务与终点间的最长路径值,按照该值的降序来分配任务调度次序,在分配处理器内核时兼顾关联度和任务最早可执行时间,设置最佳匹配评价函数。实验结果表明,与busHEFT和DTSV算法相比,该算法具有更短的任务调度时延、更少的通信量以及更高的处理器利用率。     

基于云模型的网格QoS参数归约与调度优化

针对网格资源调度中用户对QoS的定性描述,利用云模型实现资源调度中的QoS匹配。深入分析了QoS参数云的特征,提出了QoS云处理模型,通过该模型,将离散的多个QoS参数归约到一个定性的概念上;设计了实现参数归约的体系结构;给出了基于定性概念的资源调度算法。实验表明,所提出方法在资源调度率和吞吐量以及系统资源的利用效率等方面体现出良好的特性,实现了基于定性概念的调度,达到了优化调度的目的。