拍卖机制下的效益最优化调度算法研究

基于拍卖机制的调度算法中引入了效益最优的思想,并根据利润率的概念建立了效益函数。这使得算法能够很好的适应网格建立初期对于吸引资源的要求,能够为资源提供者带来更大的效益。实验中采用GridSim构建了一个网格模拟环境,并模拟实现了本文提出的调度算法。实验结果表明,在预算和时间限制相同的情况下,该算法在使网格资源获得效益上优于时间最优化算法和代价最优化算法。     

基于效益函数的网格任务调度算法

在动态、异构、分布广泛的网格环境中，对资源的调度是一个非常复杂而重要且具有挑战性的问题。本文针对网格环境中的动态性特点，特别是用户QoS要求的动态变化性，提出了一种基于效益函数的网格任务调度算法，并采用GridSim模拟器分别对该调度算法和模拟器自带的代价最优和时间最优的网格任务调度算法进行模拟。实验的结果表明：该调度算法更能体现用户对QoS要求的动态变化；在系统完成相同数量的网格任务时，消耗相同时间的情况下，该调度算法在代价上优于基于时间优化的调度算法；而花费相同预算的情况下，在时间上优于基于代价优化的调度算法。     

基于遗传编程的网格资源调度算法

网格资源调度是一个非常重要的研究课题.由于因特网的开放、动态性,传统的资源调度和分配方法已经不再适用网格计算,基于经济模型的资源管理和调度成为研究热点.在计算市场模型中,构造有效的效益函数又是提高算法性能的关键.有关文献中采用的是线性效益函数,虽然降低了复杂度,但不能很好地反映用户的效益.文中提出了基于遗传编程来寻找和构造非线性效益函数的方法,并将其应用到网格调度算法中.实验结果表明该算法可以提高网格中的资源调度性能.     

基于遗传编程的网格资源调度算法

网格资源调度是一个非常重要的研究课题。由于因特网的开放、动态性,传统的资源调度和分配方法已经不再适用网格计算,基于经济模型的资源管理和调度成为研究热点。在计算市场模型中,构造有效的效益函数又是提高算法性能的关键。有关文献中采用的是线性效益函数,虽然降低了复杂度,但不能很好地反映用户的效益。文中提出了基于遗传编程来寻找和构造非线性效益函数的方法,并将其应用到网格调度算法中。实验结果表明该算法可以提高网格中的资源调度性能。     

基于蚁群优化算法的服务网格的作业调度

提出了利用蚁群算法来优化服务网格的作业调度系统的方法和一个两层的作业调度模型，该模型可以在网格的动态和异构环境下实现对作业执行时间的预测，然后根据作业的预测执行时间并利用蚁群优化算法使适应函数取得最小值，从而得到最优化的作业调度。基于开发的校园网格实验床，通过实验显示该方法可以优化服务网格的性能，减少作业的平均执行时问，提高系统的吞吐率。     

网格环境下基于信任模型的动态级调度

网格用户、资源和服务的不确定性潜在地影响网格应用任务的正常执行,这样使得设计既能减小应用任务执行时间又能减小欺骗可能性的调度算法十分困难．参考社会学的人际关系信任模型,建立网格节点信任推荐机制,并利用D-S理论对推荐证据进行综合分析,从而定义出基于不确定性推理理论的信任度计算函数．将该函数并入DLS算法得到“可信”动态级调度算法(TDLS),从而在计算调度级别时考虑网格节点的可信程度．仿真结果证实,提出的TDLS算法以小的时间花费为代价,能有效提高任务在信任方面的服务质量需求．     

信任驱动的网格调度算法

针对目前网格资源管理中任务与资源匹配问题的不足,基于信任效益函数与匹配概念,提出了信任驱动的网格调度匹配算法。在调度中同时还考虑了任务和资源效益值,对已经提出的两种信任驱动的网格调度算法进行改进。结果证明:该算法较传统基于的信任驱动调度算法而言,信任效益值,资源效益值,负载平衡和失效服务数等方面有较好的综合性能。     

基于信誉度效益最优的网格调度算法研究

基于经济模型的网格调度算法是目前网格环境中非常重要的算法,而信誉度是经济模型的一个概念.文中将信誉度问题引入到网格资源分配中,通过信誉度与效益相结合,提出了基于信誉度的网格资源分配算法.将信誉度融入到网格资源调度中,用户可以选择信誉度高的资源,提高了资源的信誉度,同时使得网格资源的质量有所提高.通过实验对算法进行了验证.实验结果表明,在费用和时间限制相同的情况下,该算法在使网格资源获得效益上优于时间最优化算法和代价最优化算法,并且提高了资源调度的效率.     

仿真网格中一种基于知识的动态任务调度算法

仿真网格是以通用网格技术为基础、面向仿真领域的专用网格,目前国际上对仿真网格的研究尚处于起步阶段.现有的分布式仿真HLA(high level architecture)体系结构中的仿真资源和联邦成员是静态绑定的,网格技术的引入使得仿真资源的动态分配成为可能.根据仿真网格任务调度的特点,在仿真网格中建立了一种任务调度模型,并针对该模型,提出了一种新的基于知识的动态任务调度算法KMO,该算法适用于将N个相互独立的计算需求不同的仿真任务调度到M个随时间动态变化的仿真资源上,它能对若干次调度后的结果进行统计并提炼成"知识"反馈给算法预处理部分,使得该算法在动态多变的环境中能获得比较稳定的性能.实验结果表明,在仿真网格环境中,该算法的性能优于网格中传统的任务调度算法.     

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GridSim模拟器的网格资源调度算法研究

网格资源调度策略是网格计算领域中的关键研究方向之一,网格模拟器是资源调度策略优化和改进研究的重要平台.本文研究了GridSim模拟器,对此模拟器的整个框架结构和运行机制作了阐述;对基础的Minmin算法和QoS Guided Min-min算法进行研究和改进,并通过基于GridSim包设计了应用程序,对改进后的算法进行了相应的模拟.模拟研究结果表明,改进后的算法在任务平均完成时间上优于以前的算法.     

基于GridSim的A-MM调度算法模拟

对网格计算环境中的任务调度模块做了分析,介绍了两种最经典的网格任务调度算法:Min-Min与Max-Min.通过对两者的分析,得知Min-Min算法的优点在于其执行的高效性,但它存在资源负载不平衡的问题.而Max-Min则正好相反.经过对比,提出了一种平衡两者优缺点的A-MM算法.使用GridSim网格环境仿真包建立A-MM调度算法的模拟平台,对GridSim的内部机制及用法给予简单介绍,并通过模拟实验对A-MM算法进行性能评测.评测结果表明:A-MM算法的完成时间接近Min-Min,而负载平衡性接近Max-Min,平衡了Min-Min与Max-Min的优缺点.     

基于GridSim的网格调度模拟

详细分析了GridSim工具，并与当前几个主要的网格模拟工具进行了对比，然后探讨了GridSim工具的改进，扩展了计算资源的功能，增加了数据存储资源模型。最后提出了基于GridSim工具的分模块的调度模拟开发方法，按照这种方法建立了Min—min调度算法模拟平台，展示了GridSim工具的功能。     

一种基于序贯博弈的网格资源分配策略

网格环境中资源的负载预测是实现资源优化分配的关键任务之一,而网格资源的动态性和异构性使得准确判断资源的负载状态十分困难.针对已有的分配策略对资源负载评估的不足,提出了一种基于序贯博弈的优化用户时间的网格资源分配策略.该策略将正比例资源共享的网格环境中多用户竞争同一计算资源的问题形式化为一个多人序贯博弈,通过寻求该序贯博弈中各个阶段博弈的纳什均衡解来预测资源负载;然后利用此负载信息生成所有用户的最优出价组合和资源的优化价格;最后根据各用户出价,按比例分配资源的计算能力.通过对网格模拟器GridSim的实验研究,结果表明,该策略能够得到合理的用户出价,降低资源占用时间,从而弥补了Bredin提出的优化策略中未考虑资源未来负载变化的缺陷,实现了资源的优化分配.其结论说明运用序贯博弈方法预测资源负载是可行的,且能更好地适应网格环境下异构资源的动态性.     

An enhanced load balancing mechanism based on deadline control on GridSim

A Grid is a network of computational resources that may potentially span many continents. Load balancing in a Grid is a hot research issue which affects every aspect of the Grid, including service selection and task execution. Thus, it is necessary and significant to solve the load balancing problem in a Grid. In this paper, we propose a dynamic, distributed load balancing scheme for a Grid which provides deadline control for tasks. In our scenario, first, resources check their state and make a request to the Grid Broker according to the change of load state. Then, the Grid Broker assigns Gridlets between resources and scheduling for load balancing under the deadline request. We apply our load balancing strategy into a popular Grid simulation platform GridSim. Experimental results prove that our proposed load balancing mechanism can (1) reduce the makespan, (2) improve the finished rate of the Gridlet, and (3) reduce the resubmitted time.     

基于GridSim的A-MM调度算法模拟

对网格计算环境中的任务调度模块做了分析,介绍了两种最经典的网格任务调度算法：Min-Min与Max-Min。通过对两者的分析,得知Min-Min算法的优点在于其执行的高效性,但它存在资源负载不平衡的问题。而Max-Min则正好相反。经过对比,提出了一种平衡两者优缺点的A-MM算法。使用GridSim网格环境仿真包建立A-MM调度算法的模拟平台,对GridSim的内部机制及用法给予简单介绍,并通过模拟实验对A-MM算法进行性能评测。评测结果表明：A-MM算法的完成时间接近Min-Min,而负载平衡性接近Max-Min,平衡了Min-Min与Max-Min的优缺点。     

GridSim网格仿真工具研究

本文研究了网格仿真工具GridSim,介绍了GridSim的测试和开发方法.利用网格模拟工具,可以节省网格实验时间和费用,并可重现实验结果,给新算法和调度策略的研究提供了极大的方便.本文在GridSim中实现了Min-Min算法以及基于QoS约束的改进Min-Min算法,通过模拟实验验证了改进算法的性能.     

基于GridSim模拟器的网格资源调度算法的研究

网格资源调度策略是网格计算领域中的关键研究方向之一,网格模拟器是资源调度策略优化和改进研究的重要平台,本文研究了GridSim模拟器．对此模拟器的整个框架结构和运行机制作了阐述,本文对基础的Minmin算法和QoS Guided Min—min算法进行研究和改进,并通过基于GridSim包设计了应用程序对改进后的算法进行了相应的模拟。模拟研究结果表明,改进后的算法在任务平均完成时间上优于以前的算法。     

GridSim网格仿真工具研究

本文研究了网格仿真工具GridSim,介绍了GridSim的测试和开发方法。利用网格模拟工具,可以节省网格实验时间和费用,并可重现实验结果,给新算法和调度策略的研究提供了极大的方便。本文在GridSim中实现了Min-Min算法以及基于QoS约束的改进Min-Min算法,通过模拟实验验证了改进算法的性能。