基于蜜蜂采蜜机理的云计算负载均衡策略*

任务调度是云计算研究中的NP难优化问题,负载均衡问题是任务调度的热点研究内容之一。针对云计算环境中任务分配不够合理、用户服务质量低的问题,提出一种模拟蜜蜂采蜜机理的负载均衡策略。该策略模拟蜂群觅食行为,建立负载均衡模型,被迁移的任务作为“侦察蜂”更新虚拟机的负载信息,并采用贝叶斯分类算法对虚拟机负载状态进行分类,将任务从重负载虚拟机迁移至轻负载虚拟机,同时满足目标虚拟机中高优先级任务的数量最少,避免了大量任务被调度到同一性能较优的虚拟机上,能够有效减少任务等待时间。实验结果表明,基于蜜蜂采蜜机理的负载均衡策略,和传统算法相比,减少了任务响应时间、完工时间和迁移次数,同时更好地满足了用户服务质量需求。     

基于改进的蝗虫算法的云计算任务调度研究

针对云计算任务调度存在完成时间长、成本消耗大以及负载不均衡的问题,提出一种基于改进的蝗虫算法(Imorve Grasshopper Optimization Algorithm,IGOA)的任务调度方案.对蝗虫算法采用反向学习和柯西分布分别优化种群和递减系数,提高算法的性能;用自然数对蝗虫个体编码表示蝗虫的位置,将每一个蝗虫个体对应一个可行的调度方案,并将任务完成时间、任务消耗成本、虚拟机负载作为蝗虫个体的适应度函数用以算法迭代中的更新条件;获得最优的蝗虫个体即为最佳调度方案.仿真实验表明,改进的蝗虫算法在云计算任务调度方面相比于基本蝗虫算法、蚁群算法、粒子群算法具有更好的效果,特别适合大任务下的云计算调度.     

云计算环境中基于朴素贝叶斯算法的负载均衡技术

针对云计算环境中任务调度算法复杂度高、任务分配不够合理等问题,提出一种基于朴素贝叶斯分类的负载均衡技术。该技术利用云计算环境的心跳机制全面地收集各节点负载信息,并采用朴素贝叶斯算法对各节点负载状态进行分类;然后,根据节点状态分类结果,实现任务和资源分配的合理调度。实验结果表明,基于朴素贝叶斯算法的负载均衡技术能提高任务的分配效率,避免任务在各节点间频繁迁移,快速有效地实现云计算环境中各节点间的负载均衡。     

云计算环境中基于朴素贝叶斯算法的负载均衡技术

针对云计算环境中任务调度算法复杂度高、任务分配不够合理等问题,提出一种基于朴素贝叶斯分类的负载均衡技术。该技术利用云计算环境的心跳机制全面地收集各节点负载信息,并采用朴素贝叶斯算法对各节点负载状态进行分类;然后,根据节点状态分类结果,实现任务和资源分配的合理调度。实验结果表明,基于朴素贝叶斯算法的负载均衡技术能提高任务的分配效率,避免任务在各节点间频繁迁移,快速有效地实现云计算环境中各节点间的负载均衡。     

云计算环境下基于用户和资源约束的免疫效用均衡任务调度算法

针对云计算中的任务调度问题, 提出了一种免疫均衡效用任务调度算法. 该算法将云计算环境下任务调度问题建模为一个多目标优化模型, 同时兼顾了用户任务的时间跨度和虚拟化资源的负载均衡. 仿真结果表明, 该任务调度算法提高了用户满意度的同时减少了任务的完成时间, 是云平台下一种有效的任务调度策略.     

基于公平性和负载均衡的云计算任务调度算法

任务调度是云计算的关键技术之一,其主要目标是能更有效地满足系统资源和任务的公平性,同时尽可能实现系统资源的负载均衡。结合遗传算法的优点,提出一种公平均衡遗传调度算法FBGSA(Fair Balanced Genetic Scheduling Algorithm)。该算法充分考虑到任务调度过程中资源和任务的公平性问题,以及资源的负载均衡等因素。实验结果显示该算法不仅可以有效减少任务总完成时间,而且可以满足系统资源和任务的公平性,有效实现资源负载均衡。     

基于Q学习和双向ACO算法的云计算任务资源分配模型设计

云计算异构环境中由于计算和存储资源物理分布的不一致性,往往容易导致在应用传统的调度算法进行任务资源分配时存在调度效率低和负载不均衡的问题,为此,设计了一种基于Q学习和双向ACO算法的云计算任务资源分配模型;首先,引入了基于主从结构的调度模型,并综合考虑任务计算完成时间、网络带宽和延迟等因素设计了资源分配目标函数,然后,设计了基于Q学习的云计算资源初始分配方法,将其获得的最优策略对应的Q值初始化网络中节点的Q值,最后,设计一种结合前向蚂蚁和后向蚂蚁的双向ACO算法实现任务资源的最终分配,并对算法进行了定义和描述;在CloudSim环境下进行仿真实验,结果证明文中方法能有效实现云计算异构环境下的任务资源分配,且与其它方法相比,负载均衡离差值平均约为0.071 5,是一种适用于云计算异构环境的有效资源分配方法。     

云计算平台中非定期任务并行调度仿真

由于云计算平台的动态不确定性和非定期任务调度本身的复杂性,使得非定期任务调度过程中的耗时长和负载不均等问题很难得到有效解决。针对上述问题,提出一种非定期任务并行调度方法,并应用到云计算中。通过多方面考虑云平台客户非定期任务的截止时间底线、调度估算等并行调度约束条件和各种可用资源的性能参数,对非定期任务调度的多目标约束条件进行量化建模。基于建模生成的隶属度函数将非定期任务多目标约束的调度优化问题转变成单一目标约束问题,采用模拟退火算法对该问题进行求解,最终实现对非定期任务的并行调度。分析实验结果可知,与传统方法相比,所提方法能够有效减少非定期任务的传输时间,并且能够均衡节点负载,表明所提方法具有有效性。     

基于模因优化和循环调度的多目标负载均衡技术

针对现有多目标调度方法所需时间较长以及处理突发情况时性能降低的问题,提出一种基于模因优化和循环调度的多目标负载均衡技术。使用突发检测器检测发送到云服务器的用户请求,确定负载状态。基于测器结果,应用不同的负载平衡算法来高效地调度用户任务。利用选定的负载平衡算法将用户请求任务调度到资源最佳的虚拟机上,保证在最低的时间消耗内达到负载均衡的状态。实验结果表明,与其他算法相比,该方法在多个性能指标上具有明显优势,可以提高调度效率的同时,最大限度地降低云中的能源使用。     

自适应动态调整粒子群的云计算任务调度

为了高效地实现云计算任务调度,融合改进的分数阶达尔文粒子群算法和多目标函数构造,提出一种新的云计算任务调度算法。对分数阶达尔文粒子群算法进行全方位改进,基于粒子群适应度动态调整惯性权重系数以自适应搜索最优解;利用粒子自身进化信息定义进化因子,结合进化因子并利用高斯图函数调整分数阶次α系数以实现快速收敛;借助Levy飞行随机扰动对局部最优位置进行位置扰动以提高跳出局部最优的能力;综合最短等待时间、资源负载均衡程度及任务完成所耗费用等三个目标构造任务调度满意度函数,以此搜索任务调度最优解。仿真实验表明,与其他粒子优化算法相比,该算法有较快的收敛速度和较高的寻优精度;在任务调度中,该算法与其他三种调度算法相比,在较低的截止时间未完成率下实现了虚拟资源的均衡负载。     

考虑任务可达约束的突击作战任务分配方法

在实际突击作战中,航空作战平台进行任务分配时存在任务可达约束的特点。为此,建立任务可达约束条件下突击作战任务分配问题的数学模型。采用遗传算法对该问题模型进行求解,并设计与之相适应的染色体编码方法、随机双点定位的交叉算子和一致性单点调整的变异算子。案例仿真结果表明,该方法能够有效解决任务可达约束条件下的任务分配问题,具有较好的稳定性和时效性。     

移动环境中任务分析及任务建模方法

随着移动时代的到来,准确地分析用户在动态环境中的任务,开发出具有好的用户体验的交互系统已成为人机交互领域的研究热点之一。针对这个问题,首先介绍了任务的相关概念,分析了移动环境中任务的特点,并对传统任务模型和动态环境中任务模型的差异进行了比较;然后阐述了动态任务建模过程中采用的关键技术;最后讨论了目前研究中存在的不足以及未来的研究方向。     

绝对时钟智能控制器的研制

介绍了一种日常参数智能控制器的研制及研制过程中的几个重要问题的解决方法。特别是用于城市照明及美化城市的彩灯的开、关时间智能控制方面，给出了依据当地绝对时间、经度、纬度进行昼夜时间计算的方法，使之在不接光电传感器情况下可跟踪季节的昼夜变化。控制系统采用８９Ｃ２０５１单片机，配有时钟日历芯片ＤＳ１２８８７，系统体积小、功能强、可靠性高。     

一种基于可重构多FPGA 的任务调度与任务复制方法

在可重构多现场可编程逻辑门阵列（FPGA）系统中,任务调度是一个极其重要的研究方向。参照同构与异构计算领域的调度算法,结合可重构多FPGA计算模型的自身特点,在现有的调度算法的基础上,将任务复制方法引入到可重构多FPGA系统计算领域,如果任务余图最长路经上的父子节点不在同一FPGA上,通过寻找FPGA上的复制空间,提出的算法将父节点尽可能复制在子节点所在的FPGA上,减小了任务之间的通信开销。实验结果表明,对于任务调度有向无环图,提出方法的调度长度优于或等于前人方法的性能下界,而且,FPGA利用率有所提高。     

UAV Task Assignment

Unmanned aerial vehicles (UAVs) are becoming vital warfare and homeland security platforms because they have the potential to significantly reduce cost and risk to human life while amplifying warfighter and first-responder capabilities. This article builds on the very active area of planning and control for autonomous multiagent systems. This work represents a step toward enabling robust decision making for distributed autonomous UAVs by improving the team's operational reliability and capabilities through better system self-awareness and adaptive mission planning. The health-aware task assignment algorithm developed in this article was demonstrated to be effective both in simulation and flight experiments.     

网格依赖任务调度系统的设计与实现

针对网格任务调度中的依赖任务调度,通过任务-资源分配图(Task-resource assignment graph, T-RAG)将描述应用静态信息的任务图与动态的网格资源结合在一起,在T-RAG的基础上提出一个面向依赖任务的网格任务调度系统框架,并基于Globus Toolkit实现了一个面向依赖任务的调度系统-DTOSS(Dependent Task Oriented Scheduling System, DTOSS).     

任务推荐中考虑任务关联度与时间因素的改进OCCF方法

随着众包系统的兴起,人们对众包系统的关注逐渐增多。基于众包系统中的任务推荐,研究者大多将用户对任务的行为数据转化为评分,但没有考虑任务关联关系以及用户兴趣变化对推荐结果的影响。为此,提出一种考虑任务关联度与时间因素的改进OCCF方法,以对任务进行推荐。一方面,在负例抽取阶段引入兴趣遗忘函数,并根据用户活跃度抽取一定数量的负例;另一方面,在概率矩阵分解阶段融合任务相似度信息以进行分解。将所提出的方法应用于众包系统的任务推荐中,利用威客任务中国的数据集进行了实验。实验结果表明,与主流方法相比,所提方法取得了更好的结果,能有效地提高推荐质量。     

面向单任务质量保障的移动群智感知任务分配

在移动群智感知中,现有的任务分配方法大多关注平台的整体感知质量,未充分考虑任务对工人、预算等资源的竞争,无法有效保障大规模任务分配场景下每个任务的感知质量,从而导致平台资源利用率降低。针对该问题,提出一种面向单任务质量保障的任务分配方法。为高效利用平台预算,考虑任务的难度和位置以及工人的设备能耗和理性因素,设计平台的激励成本。为保障每个任务的感知质量,考虑任务间的资源竞争情况并设计2种衡量指标,分别是从任务的角度根据差异化感知质量需求设计任务覆盖效率,以及从工人的角度基于最大熵原理设计工人利用效率,将这2种衡量指标相结合作为平台的系统效用,在平台资源有限的情况下以平台系统效用最大化为优化目标,提出一种融合交叉和变异操作的天牛群（BSO）算法。实验结果表明,与PSO、GA等基线方法相比,BSO算法的系统效用最大值平均提升13.51%,寻优速度平均提高40.61%,利用该算法获取的具有最大系统效用的任务分配方案可以有效保障每个任务的感知质量。     

LilyTask任务并行环境中基于任务关系的初始任务分配算法

LilyTask是一个基于任务并行的并行程序设计环境,它引入了任务间关系的概念．任务间会由于这种任务依赖关系而产生等待,为了减少这种等待开销,LilyTask系统在预编译阶段分析这些数据依赖关系,并做出相应的静态任务分配．该文给出在LilyTask任务并行环境中的一族新的基于任务关系图的静态任务分配的算法——WCP算法,并在实际测试中与另外两个著名的静态分配算法ETF和MCP算法作了比较,测试结果说明WCP算法在任务计算开销与通信开销不能准确给出的情况下有更好的分配效果．     

云计算中一种带任务重复机制的任务划分策略

提出了一种带任务重复的任务划分策略算法D-ITPS(Improved task partitioning Strategy with duplication),该算法首先将DAG图中的一些满足归并条件的任务进行归并,然后将所有的任务按照划分策略划分为一个个包,将包按照Max-Min策略整体调度到处理器上执行,在完成基本的映射后,检测每个染色体是否可以通过任务重复来减少通信时间,若可以则在处理器的空闲时间隙重复任务以减少总调度长度。