异构任务图在网格环境中的调度实现

并行分布计算环境的任务调度一直是并行计算研究的热点问题，网格技术的发展则对任务调度提出了新的要求。本文采用带参数的有向超图表达异构任务图，为具有一般性、异构性、分布性、动态性等特点的任务请求提供了通用描述方法。通过设计网格异构任务图描述语言GHDL，实现了网格任务请求的统一封装以及任务请求在异构环境下的计算机理解和识别。通过设计自适应调度策略库，为分布异构动态网格环境下的任务调度提供有效解决方案，实现了在考虑网格任务间优先约束与数据关联的同时，采取异构宿主机识别、异构客户端自动创建等方式开发利用环境异构性与任务异构性，采取实时网格状态信息采集与任务迁移屏蔽了资源动态性。异构任务图在网格环境中的调度效果由树生长的仿真实验进行了展示。     

一种基于任务竞争力的工作流调度算法

网格计算聚集了大量的异构分布式的计算或存储资源,为科学研究提供了一个高性能环境.然而,网格资源的异构性和自治性特征使得任务调度变得极其复杂.针对DAG表示的科学工作流调度问题,根据任务可用资源率确定任务调度的优先级,以任务竞争力刻画任务对资源的最佳匹配度,基于分层调度策略提出了一种基于任务竞争力的工作流调度算法.采用GridSim模拟实验表明该算法相对于其他两个算法,具有更小的执行时间.     

基于资源融合的网格任务调度模型与算法

讨论了网格资源计算能力和网络通信速度异构的树型计算网格环境下独立任务的调度问题,为单层树型网格计算环境下的任务调度问题建立了整数线性规划模型,并采用资源融合方法将多层树型网格计算环境下的任务调度问题转化为单层树型网格计算环境下的任务调度问题,建立了相应的数学模型.基于所提出的模型构造了两个任务分配启发式算法OPCH和OPBH.实验结果表明,在异构的树型计算网格环境下实现独立任务调度时,文中提出的算法比FCFS、Min-min算法具有更好的性能.     

计算网格环境下多址作业调度系统模型研究

针对网格环境下的作业调度问题,提出了适合异构机群作业调度的三种网格调度系统模型:作业本地调度模型、作业共享调度模型和作业多址调度模型.建立了多址作业在三种网格调度系统模型下的性能模型.理论分析得出如下结论:同构情况下,多址作业调度应遵循先单址后多址、先本地后异地的资源选择策略;异构情况下,该策略失效,需对所有资源组合进行遍历,可设计启发式调度算法获得近优解.     

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.     

一种网格资源负载均衡调度算法

网格资源调度性能的好坏、效率的高低直接关系到计算网格系统的性能.本文在Min-min算法的基础上提出了一个资源调度启发式算法Dmin-min.在假设所有任务都是独立的情况下,考虑到系统中资源的动态性、异构性,从资源负载均衡方面对系统中的资源进行动态分配,仿真实验表明该算法在资源负载均衡方面比Min-min算法要好.     

一种基于任务分解的时间均衡调度算法

网格环境下的任务调度是一个NP完全问题,它一直是网格领域研究的核心。针对计算网格中的任务放牧调度这类问题,提出了一种基于任务分解的时间均衡调度算法。该算法在调度过程中充分考虑了网格资源的特点,采用重复调度和任务分解策略,并进行了仿真实验。在任务完成时间和系统吞吐率两方面与Max-min和Max-int算法进行比较,实验结果证明该算法优于Maxmin和Max-int,是一种性能较好的任务调度算法。     

面向工作流的网格服务动态调度

在网格应用中使用工作流技术,并采用动态调度算法来调度网格服务可以更好地适应网格运行环境的动态性。给出了网格工作流的层次结构和基于工作流的网格服务动态调度算法D-DAG,实验结果表明D-DAG比传统的调度方法具有较好的优越性。     

基于动态任务优先级的网格任务调度算法研究

网格环境下的任务调度是一个NP完全问题.为了确保每一步都能优先调度影响调度长度最大的就绪任务,提出一种采用动态任务优先级策略的任务调度算法.在进行任务调度的过程中,通过动态计算任务图DAG的关键路径并有效地利用处理器的空闲时间段来复制任务,使任务节点之间的通信开销尽可能降低,进而缩短整个任务图的完成时间.大量的模拟实验结果表明,所提的算法在任务完成时间上明显优于HEFT算法和DDS算法.     

采用遗传-谐振算法求解网格依赖任务安全调度问题

针对异构网格环境下任务调度面临的安全性问题,考虑网格节点的系统安全控制策略与历史行为表现,构建了网格节点安全评估模型,并在此基础上提出了一种安全可信的网格依赖任务调度优化模型。为求解该模型,结合遗传算法全局寻优能力较强的特性,同时克服其局部寻优不足的缺点,引入谐振算法,从而设计了一种新的遗传-谐振算法(GASHO)。首先,针对DAG任务图基于启发式思想设计遗传进化算子和量子谐振算子等操作以产生任务调度优先队列,解决离散解非法的问题;然后,采用安全约束下的最早完成时间算子操作实现任务集到网格节点的映射,提高算法收敛效率;最后,对算法的时间复杂度和收敛性进行分析证明。仿真实验结果表明,在同等条件下与同类算法相比,GASHO算法在收敛性、调度长度、安全效益值等方面具有明显的优势。     

改进蛙跳算法的网格任务调度优化模型

为解决当前调度模型存在的局限性, 以更好完成网格环境下的任务调度目标, 结合网格任务调度的NP(Non-deterministic Polynomial)问题特点, 提出了改进蛙跳算法的网格任务调度优化模型。首先以网格任务完成时间作为调度优化指标, 然后采用蛙跳算法找到最优的网格任务调度方案, 并对蛙跳算法存在不足进行改进,以改善算法工作性能, 最后在网格仿真平台GridSim 上进行性能验证分析。实验结果表明, 改进蛙跳算法可较好完成网格任务调度, 缩短了任务完成的时间, 资源负载更加均衡, 而且性能明显要优于其他算法。     

一种基于蚁群算法动态均衡的网格任务调度

网格资源分配属于NP-难问题,为了更好地解决该问题,首先建立一种性能QoS优化的作业级网格任务调度模型和目标函数,并对资源和任务数进行了分析.提出了基于动态信誉度的改进蚁群算法RACO(reputation-based ACO)进行网格任务调度,RACO引入空间效率和时间效率的动态调节因子,同时采用局部和全局信息素更新策略.仿真实验表明,RACO在资源利用率、动态均衡方面优于Min-min,Max-min和ACO算法.     

网格环境下的高效动态任务调度算法

网格系统具有异构性、动态性和分布性，这使得网格中的任务调度变得十分复杂，要求调度算法具有动态性和自适应性．文中将群体智能技术引入网格的任务调度中，针对一组相互独立的任务调度问题，提出了一种新的动态任务调度算法．该算法利用蜂群与环境的交互模型来实现网格中动态的任务分配；同时根据蜂群的自组织社会层次的概念，解决了算法中出现的竞争问题．实验结果表明，相比于现有的方法，该算法对于网格中的动态环境具有更好的适应性，且调度性能更优．     

虚拟单元跨单元动态调度问题研究

针对虚拟单元生产过程中随机扰动所导致的资源冲突、虚拟单元协同生产及共享资源的特点,结合时间约束网络和图论的相关知识,对虚拟单元跨单元动态调度问题进行研究。同时考虑设备资源约束和交货期时间约束,建立具有虚拟单元特色的虚拟单元跨单元动态调度的时间约束网络模型,并运用协同优化思想,提出双层时间约束网络的单元间协同优化算法和基于度的反应式人机协同算法用于模型的求解。最后对算法进行了实例验证,结果表明,该方法可为生产计划制定人员快速调整原生产调度计划方案提供便利和一定的理论基础。     

基于运行时间权矩阵的网格服务匹配问题的优化解

为解决在网格环境下满足用户作业对完成时间需求的服务资源调度问题,建立了包括独立匹配器在内的服务网格三元模型,给出了该模型基于图论的形式化描述,证明了用户作业和服务资源之间完备匹配的充分必要条件. 同时构造了基于传感器反馈的网格服务匹配系统,给出了基于运行时间权矩阵的优化问题描述,并给出了基于离散事件动态系统理论的最优化解算法. 仿真研究表明,该算法比其他算法更能改善网格服务匹配系统的性能指标,在满足服务资源负载均衡的同时提供了用户作业完成时间的服务质量保证.     

一种并行的网格资源协同分配方法

针对网格系统中资源协同分配的实时性问题,分析了现有的基于有向无环图的资源映射方法,提出了一种并行资源协同分配算法.该算法采用有向无环图表示每个应用,然后,将所得到的这些图合并成一个有向无环图并对其进行分层,最后,对每层中应用任务的资源分配问题并行处理.分析表明,该并行资源协同分配算法降低了系统中资源调度时间,提高了资源分配的效率,从而能够满足系统实时性要求.     

An optimizing algorithm of static task scheduling problem based on hybrid genetic algorithm

To reduce resources consumption of parallel computation system,a static task scheduling optimization method based on hybrid genetic algorithm is proposed and validated,which can shorten the scheduling length of parallel tasks with precedence constraints.Firstly,the global optimal model and constraints are created to demonstrate the static task scheduling problem in heterogeneous distributed computing systems(HeDCSs).Secondly,the genetic population is coded with matrix and used to search the total available time span of the processors,and then the simulated annealing algorithm is introduced to improve the convergence speed and overcome the problem of easily falling into local minimum point,which exists in the traditional genetic algorithm.Finally,compared to other existed scheduling algorithms such as dynamic level scheduling(DLS),heterogeneous earliest finish time(HEFT),and longest dynamic critical path(LDCP),the proposed approach does not merely decrease tasks schedule length,but also achieves the maximal resource utilization of parallel computation system by extensive experiments.     

网格环境下一种动态任务调度算法

针对网格系统中资源协同分配的动态性问题，分析了现有的基于有向无环图的资源映射方法，提出了一种动态资源协同分配算法。该算法采用有向无环图表示每个应用，然后，将所有这些图进行分层，执行过程中，就绪的应用组可以按照一定的规则动态插入。该算法解决了网格环境下资源和应用的动态性问题，从而更好的满足了网格的动态特性。