基于独立大粒度任务网格调度算法的分析比较

独立任务在异构环境下的调度问题已经得到了广泛的研究，已提出了许多启发式任务调度算法，其中包括静态调度算法和动态调度算法．对目前已提出的6种启发式任务调度算法进行了分析和研究，重点介绍了轮循（RR）算法．为了更好的比较这6种算法，采用了一种叫做处理器消耗周期（TPCC）的标准，并通过仿真，将算法进行了性能对比．     

基于子图归并的全局优化调度算法

为解决调度序列的多目标优化问题，基于数据流图中特定子图调度结果相互独立的原理，提出了一种基于图的分解与合并的构造调度算法.借助弹力引导列表调度（FDLS）的调度结果得出子图调度长度上界，并据此在归并过程中去除不可行的局部序列.把数据流图分解为若干个汇聚节点和独立子图，对独立子图进行调度，按层次逐渐把下层部分结果归并到上层部分结果中，从而得到完整调度结果.结果显示，由于在每次归并部分调度序列时尽可能地对搜索空间进行了裁剪，算法的速度较快，并且能够同时得到多组全局最优解，可以利用功耗、寄存器需求等条件对结果进行进一步筛选.     

多Agent的动态迁移调度方法研究

为了在网格环境中合理调度系统资源,根据仿真网格中任务动态调度的内容和目标对HLA的联邦管理进行改造,提出一种基于多Agent的动态迁移调度方法,建立了调度框架结构,设计了一个基于联邦成员的迁移方法．以空地作战对抗仿真系统为例,验证了该方案的可行性,为提高分布交互式仿真系统性能、容错和负载平衡能力提供了一种可行的途径．     

遗传算法在制造网格资源调度中的应用

在网络化制造环境下为解决制造网格中的资源调度问题,提出了基于遗传算法的网格资源调度算法。结合用户对多目标优化问题的要求,设计了基于遗传算法的制造网格资源调度算法。该算法将多目标优化问题转化为单目标优化问题,并以数字制造业中零件加工过程的资源优化调度为算例,验证了算法的有效性。     

高利用率集合Sporadic实时任务调度方法研究

该文提出一种基于最少迁移度和分割度的任务调度方法。该方法将各个实时周期任务分比例执行在不同处理器核上,并规定任务调度时的优先顺序,然后根据相应的实时调度流程对实时周期任务进行调度。并与已有的高利用率集合调度的准划分调度算法EDF-os、EDF-fm进行对比。结果表明该方法在保证系统利用率的同时,减少了任务分割和迁移的数量和不必要的任务切换开销。     

求解非满载车辆调度问题的免疫遗传算法

非满载车辆调度问题是车辆调度问题中的一个基本问题,由于它是一个典型的NP难题,传统方法的求解结果往往不能令人满意.曾有研究将传统的遗传算法用于求解非满载车辆调度问题,但是由于遗传算法在遗传后期的波动现象,导致了迭代次数过大和准确率不高.该实验根据生物免疫系统的机理提出的免疫遗传算法,结合了遗传算法的进化操作和生物免疫中的浓度机制,通过抗体的期望繁殖率实现对抗体的促进和抑制,改善未成熟收敛.该算法是在传统遗传算法全局随机搜索的基础上,借鉴生物免疫机制中抗体的多样性保持策略,改善了传统遗传算法的群体多样性,通过与遗传算法的比较,结果表明,该算法不仅收敛,而且具有更好的全局和局部搜索能力和收敛速度.     

面向多核的时间帧加权公平调度算法

多核系统在移动终端、多媒体设备上的广泛应用对于多核系统的调度提出了新的要求,由于这些多核设备中大量的周期性与实时动态任务的执行,使得传统的Pfair和ERfair等经典算法产生了大量的任务迁移,同时对于动态任务调度并不能提供良好的支持。因此,在Pfair经典调度算法的基础上,结合EDF等局部调度算法,以时间帧的模式轮转多任务的周期执行,并采用处理器时间帧间的任务固定来降低任务的迁移率。仿真实验表明,在对任务调度公平性影响很小的情况下,大大降低了任务的迁移率并能更好的处理动态任务,具有更高的效率和更为广泛的使用范围。     

基于蚁群算法的虚拟企业生产任务调度优化研究

描述了虚拟企业生产任务调度的层次框架,该调度框架包括虚拟企业全局调度和合作伙伴局部调度两个层次。针对虚拟企业调度层的优化问题,综合考虑虚拟企业生产任务的时序逻辑关系、作业时间和生产任务集等影响因素,建立了以任务总作业时间最小化为目标的数学模型,并基于蚁群算法对上述优化模型进行了求解。应用实例与算法比较验证了优化模型与求解算法的有效性。     

小水电群智能优化调度算法研究

小水电群的优化调度是一个大规模、多目标、复杂的多阶段决策过程,通常采用传统的动态规划法.探讨了智能优化算法在小水电优化调度中的应用问题,分析了改进遗传算法的工程实现方法及仿真结果,着重分析了算法的收敛特性、算法的计算速度等,说明了遗传算法求解该问题的不足,并提出了采用粒子群算法、蚁群算法等的设想.     

DAG任务模型的粒子群优化调度算法

在并行多处理器系统中,通常用有向无环图(DAG)表示任务之间的依赖关系.为了提高该任务模型调度算法的性能,基于粒子群优化算法,提出一种新的调度算法.算法将任务高度和粒子位置作为任务优先级,使用表调度策略生成有效的调度方案,在满足任务间依赖关系的条件下,使所有任务的完成时间最小.仿真实验结果表明,与遗传算法相比,所提出的算法提高了解的质量和收敛速度,特别适合于规模较大的多处理器任务调度.     

基于任务分组的动态可重构结构编译方法

针对动态可重构结构的优化编译问题,提出了一种基于任务分组的编译方法.在应用算法分割成多个任务的前提下,建立应用算法的任务流图.根据任务之间的关联数据量和局部数据存储器的容量,确定任务的执行顺序.在使装入任务的配置数据和执行任务在时域重叠的前提下,将任务分成不同的组合.对每个任务组合进行循环变换,减小配置数据的读取次数,提高了应用算法的性能.实验结果表明,该编译方法能有效地提高应用算法在动态可重构结构上的执行速度.     

Genetic Algorithm Based Combinatorial Auction Method for Multi-Robot Task Allocation

An improved genetic algorithm is proposed to solve the problem of bad real-time performance or inability to get a global optimal/better solution when applying single-item auction （SIA） method or combinatorial auction method to multi-robot task allocation. The genetic algorithm based combinatorial auction （GACA） method which combines the basic-genetic algorithm with a new concept of ringed chromosome is used to solve the winner determination problem （WDP） of combinatorial auction. The simulation experiments are conducted in OpenSim, a multi-robot simulator. The results show that GACA can get a satisfying solution in a reasonable shot time, and compared with SIA or parthenogenesis algorithm combinatorial auction （PGACA） method, it is the simplest and has higher search efficiency, also, GACA can get a global better/optimal solution and satisfy the high real-time requirement of multi-robot task allocation.     

负载均衡优先的改进优先级表调度算法

针对当前云计算环境下DAG任务调度时存在的负载失衡、任务调度效率不高的问题,提出了一种负载均衡优先的改进优先级表调度算法(LS-IPLB).算法将云计算集群中虚拟机的状态参数变化抽象成空间中的参数向量变化,给出实时衡量云计算集群的负载均衡性方法,并作为虚拟机选择权值的重要参数.同时以任务执行代价、任务的出度和任务间的通信代价作为参数计算任务优先级,并在任务调度时采用任务复制策略进一步优化调度过程.结果表明,LS-IPLB算法能有效缩短DAG任务图的完成时间,并实现了良好的负载均衡性.     

EZDCP:A new static task scheduling algorithm with edge-zeroing based on dynamic critical paths

1　INTRODUCTIONTheefficientexecutionofaprogramonaparallelanddistributedsystemhighlydependsonthemethodstakenforschedulingthetasksrepresentedbyadirectedacyclicgraphontoamultiprocessorsystem .Aimingtoachievebetter performancebyusingthesesystems,lotsofschedulingalgorithmsareused ,includingbranch and bound ,graph theory ,randomization ,geneticalgorithmsandevolutionarymethods[1] .Theobjectivesoftheseschedulingalgorithmsaretoallocatetasksontoprocessorsandtodeterminetheorderoftheirexecutionsothatd…     

负载自适应的异构MPSoC任务调度算法研究

在异构MPSoC中,并行任务通过调度算法被分配到各个处理器核上运行,因而任务调度算法的优劣将直接影响异构MPSoC的应用性能。根据处理器核类型和任务间依赖关系,以减小任务间通信开销为目标,提出一种具备负载自适应能力的异构MPSoC任务调度算法。首先,将待调度任务集划分为多个并行任务子集;其次,在考虑处理器核负载的基础上,根据并行任务子集集合、处理器核集合及任务子集在各个核上的执行效率生成赋权二部图;最后,利用赋权二部图最大权匹配方法,将并行任务子集合理地调度到负载适应的处理器核上运行,以降低任务集的平均调度长度,并提高处理器核利用率,从而实现异构MPSoC应用性能的提升。仿真实验在不同的任务总数、任务最大前驱数、核类型、核数量的应用场景下,通过任务集平均调度长度、处理器核利用率两项指标对提出算法进行了定量分析。结果表明,提出算法能有效降低任务集平均调度长度,在实现负载自适应的同时提高异构MPSoC处理器核的利用率。     

移动边缘计算中的时延和能耗均衡优化算法

为了提升移动边缘计算（MEC）网络中的任务卸载效用,提出了一种基于任务卸载增益最大化的时延和能耗均衡优化算法.通过分析通信资源和计算资源对时延和能耗这2种性能指标的制约关系,将原问题分解为联合发射功率子信道分配子问题和MEC计算频率分配子问题.通过Karush-Kuhn-Tucker条件,导出了最优的MEC计算频率闭式解.此外,提出了一种基于二分法的发射功率分配算法和基于匈牙利二部图匹配的子信道分配算法.仿真结果表明,提出的算法相比传统算法可以显著提升用户的任务卸载效用.     

复杂多源注水系统变频调速优化改进遗传算法

为了对复杂多源注水系统变频调速控制进行更全面的优化,以水量、投资回收期等限制作为约束条件,建立了优化控制数学模型.采用实数编码改进遗传算法对模型进行求解,同时优化出变频调速数量、位置和所有泵的运行参数,给出了处理泵排量以及根据投资回收期确定变频调速数量和位置的方法,大大减少了不可行解的产生,通过调整适应函数,使改进遗传算法具有一定的自适应性,提高了算法的优化性能.通过算例证明了该优化方法的有效性与可行性.     

改进免疫克隆选择算法在VRP中的应用

针对在求解车辆路径问题(VRP)中免疫克隆选择算法收敛速度慢,遗传算法易陷入局部最优解的缺点,对抗体亲和力求解方法做了改进.提出了基于亲和力排序的抗体相似性矩阵的概念,并将其应用于抗体抑制策略,进而设计出改进免疫克隆选择算法.仿真结果表明该算法比遗传算法求的解的质量更高,收敛速度比免疫克隆选择算法快.     

一种改进免疫遗传算法及在异常检测中的应用

该文针对免疫遗传算法的不足,在分析其特性的基础上,引入了隔离小生境技术,改进交叉算子和变异算子,提出一种改进算法。在基于模糊关联规则挖掘的异常检测中采用本算法优化后的隶属函数,能够扩大正常关联规则集之间的相似度,缩小正常与异常关联规则集之间的相似度,提高异常检测的性能。通过以网络流量为数据的异常检测实验仿真对算法进行了验证。实验结果说明了该算法的可行性和有效性。