基于MAS协作机制的动态计算资源优化调度模型

计算网格资源调度的目标是提高网格资源的利用率、改善网格应用的性能,它是网格中需着力解决的问题之一.目前,围绕着网格中的资源调度方法,虽已提出了多种调度算法,但是都不能很好地适应网格环境下的自治性、动态性、分布性和异构性等特征.针对上述问题,文中运用MAS协同技术和市场演化博弈机制,建立了一个动态计算资源优化调度模型和演化博弈算法,构建了消费者效用函数,讨论了资源请求博弈中Nash均衡点的存在性和唯一性以及Nash均衡解,分析了模型的性质.实验结果表明,资源调度模型不但可以有效减少不必要的延迟,而且在响应时间的平滑性、吞吐率及资源利用率方面比传统方法要好,从而可以达到优化系统效率和提高用户满意度的目标.     

基于性能量化矩阵的计算网格作业调度算法研究

提升计算网格系统运行效率的关键在于作业调度算法,如何综合各种因素使得调度策略更为全面是一个有挑战性的问题.通过建立网格资源性能量化矩阵,构建了一个作业调度模型,并基于此模型给出了一个具体的作业调度算法.通过性能分析和实验仿真,该算法在运行时间、占用资源等方面都有较大的改善,能较好地适应网格系统的动态性和可扩展性特点,提高了作业调度效率.     

基于推荐机制的网格资源匹配算法研究

针对网格计算环境下,参与计算用户和计算资源规模日益庞大,用户申请资源过程中所需的资源匹配过程逐步复杂化和大规模化,提出了一种基于推荐机制的网格资源匹配算法.以往的网格计算资源的匹配和调度算法需要在调度计算时遍历所有网格资源,而改进的基于SVD(奇异值分解)的协同过滤算法考虑了用户行为相关性和资源使用频度的相关性,通过用户对资源项的使用历史记录建立用户对资源的满意度评分体系,利用推荐机制给出用户推荐资源集以到达资源匹配的效果.从一个新的角度给出了解决大量资源匹配的方法.     

混合算法在网格任务调度中的应用研究

研究网格任务优化调度问题,针对需求的复杂和网格系统具有异构性和动态性,导致网络任务调度过程相当困难.传统调度算法调度效率低、资源负载不平衡.为了提高任务调度效率,降低资源负载不平衡性,提出一种混合的网格任务调度优化算法.首先采用遗传算法全局搜索能力快速形成初始解,然后将遗传算法的调度结果作为蚁群算法的初始信息素分布,最后利用蚁群算法所正反馈性机制迅速地形成任务调度的最优解.仿真结果表明,混合算法减少网格任务调度系统任务完成时间,提高了任务调度效率,为网格设计提供了依据.     

基于截止时间满意度的网格工作流调度算法

动态网格环境中用户截止时间保障是工作流调度问题的一个挑战.利用随机服务模型来描述网格资源的动态处理能力及其动态负载压力,提出了截止时间满意度的概念和工作流截止时间满意度的计算方法.将以DAG图形式表示的任务执行关系转换为以数值表示的任务执行优先级,并根据最大截止时间满意度优先的思想,确定执行工作流子任务的候选资源;将工作流全局截止时间划分问题描述为一个约束下的非线性规划问题并通过已有方法求解该问题,提出了一种截止时间满意度增强的工作流调度算法(DSESAW).仿真实验采用实际网格应用和系统数据来验证所提出算法的性能表现,实验结果表明新算法在网格环境的自适应性和用户截止时间保障方面优于其他两种实际网格系统中的调度算法.     

基于多QoS需求驱动的网格资源调度研究

为解决网格用户多QoS需求的资源调度问题,引入了满意度函数模型和经典Min-Min算法。将众多网格QoS分为性能和信任两类,选取性能QoS中的优先级、时效性、精度性和信任QoS中的安全性、可靠性共五个指标,分别构建每一维QoS参数的满意度函数模型并形成QoS综合满意度函数模型,由此设计多QoS约束的网格资源调度(Q-Min-Min)算法,以期将Min-Min算法中按照期待执行时间(ETC)进行调度改为按照服务质量综合满意度(QSM)进行调度。仿真实验表明,改进的Q-Min-Min算法在任务的跨度和成本两项性能指标上均比Min-Min算法更具优势,取得了较为理想的结果,证明了基于多QoS需求驱动的网格资源调度的有效性。     

基于用户满意度的网格资源调度遗传算法

传统的网格资源调度研究注重调度的性能,很少考虑调度的服务质量。针对上述问题,设计3种类型的用户满意度评估方法衡量调度的服务质量,提出一种基于用户满意度的网格资源调度遗传算法,以用户满意度作为遗传变异的依据,实现网格资源调度过程的优化。实验表明,该算法能在保证较优调度性能的同时大幅度提高调度的服务质量。     

结合预测机制和QoS约束的网格资源调度算法的研究

资源调度是网格计算领域中的研究热点之一.以达到最优的资源利用率和提高用户对服务的满意程度为目标,定义了资源QoS约束和形式化描述;在任务完成期限和网络带宽的双重属性约束下结合预测机制,提出了网格资源调度算法Senior;应用GridSim工具包实现了相关的调度算法,并对调度算法仿真结果中的数据进行了分析和比较,验证了Senior调度算法在解决类似问题的优势.     

基于多QoS属性的分类优化调度算法

实现用户的服务质量（Qos）是网格计算中力求达到的重要目标,网格资源的分布性、异构性、动态性等特征使网格环境下以服务质量为指导的资源调度成为一个复杂的问题,尤其是在用户的任务具有多种QoS属性的情况下。该文利用经济模型研究网格QoS控制的资源分配问题。以效用最大化为目标通过综合效用函数量化服务质量,设计了在时间和费用受限情况下对任务进行分类的优化调度算法,该调度算法满足用户多QoS属性。仿真实验显示了该算法的有效性。     

iVCE中基于可信评价的资源调度研究

随着网格计算、P2P、Web服务技术在电子商务、电子政务领域应用的不断扩展,基于Internet的资源共享的安全可信问题变得越来越重要.该文在基于Internet的虚拟计算环境(Interenet-Based Virtual Computing Environment,iVCE)的资源共享的用户与资源关于身份可信、能力可信、行为可信的信任模型的基础上,提出了一种可信优化的资源调度算法.算法基本思想在于根据用户对资源可信的需求,对虚拟计算环境中的自主元素可信度综合考察与评价,以用户可信满意度为优化调度目标调度资源,进而基于min-min算法优化任务执行时间,满足了资源调度的可信保障,同时具有较好的性能.仿真实验结果表明可信优化调度算法能够在iVCE的信任度效益,最早完工时间,失效服务请求数,资源利用率等性能参数方面明显优于min-min和max-min算法.     

基于云计算神经网络物流车辆调度算法研究

研究了物流车辆调度优化问题。针对云计算下任务调度算法没有考虑调度的服务质量和用户满意度的问题,特别是在物流任务调度问题中存在复杂的计算网络,造成计算率降低,为了解决上述问题,提出了一种新的有关云计算和神经网络相结合的物流作业调度算法。算法充分考虑了调度的服务质量以及用户满意度,建立一个参数化的处理模型,计算用户在各个资源上的综合满意度,再将任务分配到满足用户需求和使系统资源达到均衡的资源上执行,最后采用改进的神经网络进行优化车辆调度。实验结果表明,改进算法不仅能满足用户的多种需求,提高了用户的满意度,同时也提高了资源调度率和系统资源的利用率。     

LTE-A中继网络中基于小区间干扰协调的分布式资源分配

针对LTE-A(long term evolution-advanced)中继系统存在的干扰问题, 提出一种基于小区间干扰协调(inter cell interference coordination, ICIC)的资源分配算法。该算法利用LTE-A网络里各个小区基站之间的交互信息, 得到邻小区资源块(resource block, RB)的使用状况, 将空闲率最大的资源块分配给信道增益最大的用户, 从而在满足用户业务需求的前提下提高小区吞吐量。仿真结果表明, 该算法优于传统的SSA(separate and sequential allocation)算法, 系统整体性能得到提升。     

基于云理论的网格资源选择

资源选择是影响网格调度和系统效率的关键,针对网格资源选择中用户对服务质量(QoS)的定性描述和调度的自私性,提出了利用云理论实现资源选择的方法。在深入分析QoS参数的云理论模型基础上,提出了以资源代理实现云模型资源选择的体系结构,设计了相应的调度算法。实验表明,该算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,同时克服了用户定义QoS参数的困难,达到了优化调度的目的。     

Optimization of cloud computing task execution time and user QoS utility by improved particle swarm optimization

In order to optimize the quality of service (QoS) and execution time of task, a new resource scheduling based on improved particle swarm optimization (IPSO) is proposed to improve the efficiency and superiority. In cloud computing, the first principle of resource scheduling is to meet the needs of users, and the goal is to optimize the resource scheduling scheme and maximize the overall efficiency. This requires that the scheduling of cloud computing resources should be flexible, real-time and efficient. In this way, the mass resources of cloud computing can effectively meet the needs of the cloud users. Field Programmable Gate Arrays (FPGA), high performance and energy efficiency in one field. Most of them would have been the particle algorithm. The current technological development is still in-depth at super-resolution image research at an unprecedentedly fast pace. In particular, systemic origin applications get a lot of attention because they have a wide range of abnormal results. The scientific resource scheduling algorithm is the key to improve the efficiency of cloud computing resources distribution and the level of cloud services. In addition, the physical model of cloud computing resource scheduling is established. The performance of the IPSO algorithm applied to cloud computing resource scheduling is analysed in the design experiment. The comparison result shows that the new algorithm improves the PSO by taking full account of the user's Qu's requirements and the load balance of the cloud environment. In conclusion, the research on cloud computing resource scheduling based on IPSO can solve the problem of resource scheduling to a certain extent.     

A new optimal approach for multiple optimisation objectives grid resource allocation and scheduling

The article considers the resource allocation and scheduling problem in a grid computing environment. The article proposes system optimisation scheduling (SOS) that provides a potential solution of joint optimisation of objectives for both the resource and application layer, which combine both application-oriented and resource-oriented scheduling benefits. Grid systems will strive to find an optimal relation between user satisfaction and resource utilisation. Utility functions are used to express grid user's Quality of Service requirement, resource provider's benefit function and system's objectives. In order to verify the efficiency of the proposed scheduling algorithm, we compare the performance of application optimisation scheduling, resource optimisation scheduling, SOS with a traditional Round-Robin algorithm. The simulations study the effect of the request rate and task-to-resource ratio on the different scheduling algorithm.     

基于公平性的D2D时隙调度算法

针对设备到设备（D2D）通信资源分配中的时隙调度时延以及信道增益变化导致吞吐率下降的问题,提出了一种公平性时隙调度（FTDS）算法。首先,基于频谱复用模式建立系统模型,并归纳为一组合优化问题;然后,在模型的次优求解中,FTDS算法将调度周期划分为多个等长的时隙,根据优先级策略将D2D用户分配至不同时隙调度,从而适应D2D用户多于蜂窝用户的应用场景;同时,为了权衡服务质量（QoS）与系统吞吐率的关系,构造一满足性权值与传输速率相互制约,共同决定用户调度优先级。仿真实验中,FTDS算法相比TDS、RANDOM算法,吞吐率平均增幅分别达到11.09%和40.64%,且FTDS算法下D2D用户被调度频次累积分布更为集中;同时,相比TDS算法调度时延最大降低31.22%。仿真实验表明,FTDS算法拥有更优的吞吐率性能、更公平的调度机制、更小的调度时延。     

基于跨层的中高速传感器网络多元参数调度与资源自适应分配算法

针对中高速传感器网络中不同业务对QoS(quality of scrvice)的不同要求,跨层考虑物理层和数据链路层参数,提出了一种适合混合业务的多元参数调度算法和资源分配算法。该算法根据不同的业务动态调整时延补偿因子和吞吐量补偿因子两个参数,在满足实时业务QoS约束的前提下,以最大化系统吞吐量为目标建立了相应的优化模模型,对于实时业务能满足时延较小的要求,对于非实时业务能满足吞吐量较大的要求。仿真结果表明,该调度算法可以灵活地在系统功率效率和用户服务质量满意度之间取得折衷,并保证不同类型业务用户间的公平性。     

网格计算中基于并行克隆遗传算法的任务分配与调度

实现网格计算的一个重要目的在于实现地理分布、异构资源的统一描述方法,提供用户虚拟的统一资源界面,并将用户提出的服务要求透明、动态地分配给最适应的资源上执行。针对目前任务调度的应用现状,提出了一种既能使资源负载均衡又能充分利用系统资源的并行克隆遗传算法,该启发式算法能显著地降低资源最优分配中的计算复杂度,使其能满足实时调度的需要。实验结果表明这种算法优于其他调度算法。     

一种新型的LTE系统干扰协调算法

为了解决LTE多小区系统在重度边缘负载情况下所承受的严重的小区间干扰问题,提出了一种基于小区边缘用户数的干扰协调调度算法ICPF。该算法在软频率复用干扰协调场景下提出了改进型资源分配以及二次调度思想,在初步分配资源的基础上进行频率资源二次调整,并有效地与调度算法结合起来。仿真结果表明,ICPF算法能在保证频谱利用率的前提下,提高小区边缘用户性能以及多用户分集的效果。