区分任务类型的资源负载平衡算法--TDSA

介绍了一种区分任务类型的负载平衡算法。在该算法中,按照占用的系统资源状况,任务被划分成若干类型。调度时,各节点的负载依照待调度任务的任务类型和当前系统资源的负载动态计算,并依照计算结果在系统的一个子集范围内寻找适合解。该算法可以避免因为信息延迟造成的群聚效应,并可以满足少量对响应时间有特殊规定的任务的需求,已经用于自主设计的分布式操作系统DPOS,效果良好。     

基于权值的Hadoop调度算法改进与实现

针对当前Hadoop集群自带的任务级调度分配方法在实际处理作业时存在资源分配不均的问题,提出了一种基于权值的任务调度分配算法。该算法结合节点当前的负载状态、节点物理性能和任务优先级等作为依据,通过权值排序当前的作业队列并将空闲资源优先分配给权值高的任务,从而实现运行过程中作业任务的自适应动态调度。实验结果表明,改进算法相比原来的FIFO算法有30％的性能提升。     

结合分类回归树和K近邻的负载均衡预测算法

提出了针对移动平台使用XMPP协议服务器端的基于分类回归树和K近邻结合的预测算法.该方法首先通过动态反馈采集服务器节点的资源信息组成时间序列,对时间序列进行预测计算.然后将服务器节点分区域管理,运用不同的调度策略.实验结果证明,与原始的加权轮询和最小连接数算法相比,该预测算法在连接响应时间上减少了25％,在建立连接的平均速率上提升了近1.3倍,动态的调度策略使得服务器集群有更大的吞吐量,对于移动平台有更好的适应性.     

一种对资源不稳定性敏感的EASY-backfill算法

网格将分布式的计算节点连接起来,形成一个集中的计算和资源环境.网格环境中的任务调度对于网格的运算效率和整体性能有很大的影响.EASY-backfill算法作为经典的动态网格任务调度算法,有着算法简单、运算量小、调度性能优秀等诸多优点,但其算法条件对于计算资源的假设是理想绝对稳定的,同时认为任务的性能预测是精确可靠的,这显然不符合实际情况.首先建立不稳定计算资源的模型,在该模型下改进EASY-backfill算法,使其能够在感知计算资源的不稳定性的条件下,保持算法原有的效果;然后,把经典EASY-backfill算法与改进算法作了比较;最后,就不稳定计算资源模型的相关参数对算法造成的影响进行了讨论.     

基于不规则性的并行计算方法

为了有效使用异构多核架构强大的并行计算能力,根据硬件架构的特点重新组织数据并合理调度任务的执行是非常有必要的.提出一个基于不规则性的并行计算方法,是一个融合数据并行、任务并行、管道并行的多重并行计算方法,特别适合具有动态特征执行行为和不规则数据结构的复杂算法,能够在程序运行时根据存储局部性原则和单指令多数据流（SIMD）操作机制对任务执行进行基于优先级的动态调度和数据管理,能够最大限度地有效使用CPU和GPU的硬件计算资源和存储资源.实验结果表明,该方法能够提高图形并行绘制算法关于动态执行过程和不规则数据结构构造和维护的性能.     

基于动态指数平滑预测的负载均衡算法

负载均衡算法是决定计算机集群性能的关键．研究介绍了常见的负载均衡算法,讨论了这些 算法的优缺点,并在此基础上提出了一种基于负载预测的均衡算法．该算法通过动态指数平滑模 型,计算出适应于当前服务器节点负载时间序列的平滑系数,预测该节点下一时刻负载值,分发器 再以负载预测值最小为依据调度用户服务请求．使用ＯＰＮＥＴ网络仿真软件进行测试,结果表明该 算法能有效提高负载均衡效率,具有良好的负载均衡效果．     

节点残量修正算法在热力管网计算中的应用

将节点残量修正算法用于热力管网的特性计算,提出了节点残量修正算法在工程计算中的通式.推导出了节点压力、温度残量修正算法的在工程计算中的计算公式,并将算法实现了计算机运算,提高了算法的实用性和易操作性.采用节点残量修正算法对一实际管网进行了性能计算,由计算过程和计算结果验证了算法的收敛性和稳定性.     

基于关联调度模型的模糊环境下车间动态调度

为了实现在模糊加工环境下实时的动态调度,采用调度节点和调度链的建模思想构建车间作业的调度关联模型.通过调度节点和调度路径描述调度任务中的约束关系.考虑实际生产调度过程中存在的大量不确定因素,将调度关联模型引入模糊加工环境中,结合模糊加工状态下作业计划关联方法构建调度可行解,并通过蚁群算法求解调度任务的优化方案.仿真结果表明,该方法能够在加工时间和交货期不确定的情况下,通过动态调度模型的关联过程获得较为优化的调度方案.     

适应动态安全需求的实时任务调度算法研究

现有的实时容错调度算法没有将实时任务的动态安全需求与其可调度性结合起来考虑.针对这一问题,文章展开以下研究工作:基于安全分级思想,构建了一个适应动态安全需求的实时调度模型,该模型详细地描述了实时任务、系统安全服务、任务容错等实时调度过程涉及的关键要素.以此模型为基础,提出了一种自适应实时容错调度算法(AFTS),该算法支持优先级抢占式调度策略,以牺牲普通任务的运行为代价来保证关键任务的可调度性,并采用主副本备份技术实现了关键任务的容错功能.当系统安全级别被动态调整时,该算法能够为实时任务选择满足当前安全需求的最优安全策略.仿真实验表明,文中提出的算法与同类算法相比,在系统动态安全需求的适应性,以及关键任务的可调度性和容错能力等方面有较好的表现.     

数控系统的混合任务模型及其最优调度算法研

针对数控系统中多种类型任务并存,且任务之间在时序、资源等方面存在相关性的特点,建立了混合任务系统模型,并引入计算机人工智能领域的启发式最佳优先搜索算法来实现该模型任务集的最优调度.该算法通过搜索问题的状态空间树,在符合所有约束条件的状态节点中寻找使得启发式评估函数取到极小（或极大）值的节点,最终得到系统的最优调度集.实例研究和算法性能分析表明,该算法解决了传统实时系统调度算法不适用于混合任务系统的问题,对于并发任务数量不大的数控系统,能有效地实现任务的最优调度.