基于MAS协同的动态资源优化调度策略研究*

目前,围绕着网格中的资源调度方法,虽然已提出了各种调度算法,但是都不能很好地适应网格环境下的自治性、动态性、分布性和异构性等特征。针对动态计算网格资源调度问题,基于多智能体协同技术和市场博弈机制,对计算网格资源分配技术进行了深入研究,提出了能够反映供求关系的基于计算经济机制的网格资源调度模型,建立了消费者的效用函数,给出了资源调度的动态博弈算法。仿真实验说明资源利用率比传统算法好,整个资源的供需合理、负载均衡。     

基于蚁群算法的网格资源调度策略研究

网格计算中的资源调度技术是连接网格底层和高层功能的纽带.蚁群算法作为一种成熟的分布式、启发式搜索鼢算法,其实质上是一种通过群体智能间接散布最优解信息,采用逐步收敛的方式求解最优解的算法.通过介绍蚁群算法的原理,对使用蚁群算法作为网格计算资源调度策略的可行性进行了分析,并在此基础上探讨了基于蚁群算法的网格计算资源调度的设计思路、运作流程、需要考虑的信息素更新方式等关键问题,最后给出了基于蚁群算法的网格计算资源调度总控程序.     

基于分类挖掘的网格资源分配研究

根据用户访问网格资源的历史信息,采用分类算法对此信息进行挖掘,得出用户使用集群资源的访问规则和模式,在此基础上构造一种基于分类挖掘的资源调度模型、用户调度UA算法以及资源调度CDMRA算法,分别将用户请求调度到各个集群中闲置的CPU资源.实验证明,采用基于分类挖掘的资源分配策略相比其他算法可以减少资源分配过程中对资源的重新分配次数,可以提高网格资源的利用率.     

基于多任务拍卖的资源调度算法

资源调度是计算网格资源管理系统的主要内容之一。文中借鉴市场模型中的拍卖机制,通过用户代理、资源代理、拍卖师和资源的交互作用,设计并实现了一个基于多任务拍卖的网格资源调度原型系统,系统使用多拍卖师结构,提高了作业的吞吐率并且可以有效地防止拍卖过程中双方的欺骗行为,改进了网格资源的调度性能。同时,与传统算法相比,该算法能够有效地配置资源和满足用户的服务质量需求。     

基于多任务拍卖的资源调度算法

资源调度是计算网格资源管理系统的主要内容之一。文中借鉴市场模型中的拍卖机制，通过用户代理、资源代理、拍卖师和资源的交互作用，设计并实现了一个基于多任务拍卖的网格资源调度原型系统，系统使用多拍卖师结构，提高了作业的吞吐率并且可以有效地防止拍卖过程中双方的欺骗行为，改进了网格资源的调度性能。同时，与传统算法相比，该算法能够有效地配置资源和满足用户的服务质量需求。     

一个面向服务的网格动态调度算法

随着基于OGSA的网格模型的提出，作业匹配和调度问题显得尤为重要。该文提出了一个面向服务的网格调度框架，引入了随机过程理论，给出了匹配和调度的动态算法，从而使网格计算的动态性问题得到了很好的解决。     

基于资源角色分类的密集计算网格作业管理

对密集计算网格的资源进行角色分类，采用了基于作业优先级和资源优先级的作业调度算法，设计和实现了网格作业管理模块，为用户提供了一个有效的网格资源的使用方法，实现了对网格资源的优化使用，为网格用户提供了更好的网格资源服务共享。     

网格资源调度算法研究

网格资源调度算法是影响网格成功与否的关键技术之一.首先对网格资源调度方法从不同的视角进行了分类,从三个方面阐述了网格资源调度的性能指标,并着重比较分析了几种典型的网格资源调度算法,包括Min-min算法、Max-min算法、基于经济模型的调度算法、基于遗传算法以及基于模拟退火算法的网格资源调度算法等,指出各种算法性能上尚存的不足之处并对下一步如何改进给出建议,最后给出资源调度的研究展望.文中为网格资源调度算法的研究提供了很好的参考.     

一种新的经济网格计算任务调度控制模型

针对动态计算网格资源调度问题,基于多智能体协同技术和市场博弈机制,对计算网格资源分配技术进行了深入研究,提出了基于计算经济的网格资源调度模型,设计了消费者的效用函数,讨论了资源分配博弈中Nash 均衡解,设计了一种网格资源调度算法.仿真实验表明,资源调度算法能够为消费者的资源数量提供参考,规范消费者行为,从而使得整个资源的分配趋于合理,促进交易量.     

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．     

基于云计算神经网络物流车辆调度算法研究

研究了物流车辆调度优化问题。针对云计算下任务调度算法没有考虑调度的服务质量和用户满意度的问题,特别是在物流任务调度问题中存在复杂的计算网络,造成计算率降低,为了解决上述问题,提出了一种新的有关云计算和神经网络相结合的物流作业调度算法。算法充分考虑了调度的服务质量以及用户满意度,建立一个参数化的处理模型,计算用户在各个资源上的综合满意度,再将任务分配到满足用户需求和使系统资源达到均衡的资源上执行,最后采用改进的神经网络进行优化车辆调度。实验结果表明,改进算法不仅能满足用户的多种需求,提高了用户的满意度,同时也提高了资源调度率和系统资源的利用率。     

基于离散人工蜂群算法的云任务调度优化

针对现今云计算任务调度只考虑单目标和云计算应用对虚拟资源的服务的质量要求高等问题,综合考虑了用户最短等待时间、资源负载均衡和经济原则,提出一种离散人工蜂群(ABC)算法的云任务调度优化策略。首先,从理论上建立了云任务调度的多目标数学模型;然后,结合偏好满意度策略并引入局部搜索算子和改变侦察蜂搜索方式,提出多目标离散型人工蜂群(MDABC)算法的优化策略。通过不同的云任务调度仿真实验,显示了改进离散人工蜂群算法相对于基础离散人工蜂群算法、遗传算法以及经典贪心算法,能够得到较高的综合满意度,表明了改进离散人工蜂群算法能够更好地改善虚拟资源中云任务调度系统的性能,具有一定的普适性。     

基于ECT的优先权约束作业调度策略研究

为了协调网格计算中异构资源在多用户之间的合理共享,满足不同用户需求,该文提出一种基于ECT的优先权约束作业调度策略。该策略充分考虑不同作业的期望完成时间,并通过为不同级别用户设置优先级,使得高优先权用户的作业优先执行,保证绝大多数作业在期望完成时间之内完成,同时平衡了各种资源的利用率。该策略解决了网格环境下不同类别用户无冲突共享资源问题,提高了用户满意程度,实现了作业与异构资源之间的合理匹配。     

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。     

基于模糊多目标决策的网格资源调度算法研究

针对如何提高网格资源的使用效率和用户满意度及系统效率等问题,提出了一个基于层次调度模型的、将资源的表示与需求用XML方式描述、以模糊多目标决策理论为资源调度策略,以用户满意度和系统资源利用率为主要目标的综合网格资源调度算法.该算法不仅最大程度提高用户的满意度,而且较好地解决了网格资源的均衡使用,极大地提高了系统效率,对网格系统综合性能有明显地提高.     

梯度渐进回归树算法在电子商务品牌推荐中的应用

针对电子商务推荐系统中,互联网“信息过载”所造成的难以准确定位用户兴趣并提供准确品牌推荐的问题,通过深入挖掘电子商务网中的用户行为日志,抽取出能辨别出用户对商品品牌购买行为的多个特征,然后将这些特征融入到梯度渐进回归树算法中,建立用户兴趣偏好模型来提高推荐精度。实验结果表明,在数据稀疏的情况下,该算法仍能较好的识别出用户对品牌的偏好,并在推荐准确度方面较其他传统推荐和分类算法有明显的提高。     

A system-centric scheduling policy for optimizing objectives of application and resource in grid computing

In grid computing, grid users who submit applications and resources providers who provide resources have different motivations when they join the grid. Application-centric scheduling aims to optimize the performance of individual application. Resource-centric scheduling aims to optimize the resource utilization of resources provider. Due to autonomy both in grid users and resource providers, the objectives of application-centric and resource-centric scheduling often conflict. The paper proposes a system-centric scheduling that provides a solution of joint optimization of the objectives for both the grid resource and grid application. Utility functions are used to express the objectives of grid resource and application. The system-centric scheduling policy can be formulated as joint optimization of utilities of grid applications and grid resources, which combine both application centric and resource-centric scheduling benefits. Simulations are conducted to study the performance of the system-centric scheduling algorithm. The experiment results show that the system-centric scheduling algorithm yields significantly better performance than application-centric scheduling algorithm and resource-centric scheduling algorithm.     

Semantic-enabled CARE Resource Broker (SeCRB) for managing grid and cloud environment

Grid computing is mainly helpful for executing high-performance computing applications. However, conventional grid resources sometimes fail to offer a dynamic application execution environment and this increases the rate at which the job requests of users are rejected. Integrating emerging virtualization technologies in grid and cloud computing facilitates the provision of dynamic virtual resources in the required execution environment. Resource brokers play a significant role in managing grid and cloud resources as well as identifying potential resources that satisfy users’ application requests. This research paper proposes a semantic-enabled CARE Resource Broker (SeCRB) that provides a common framework to describe grid and cloud resources, and to discover them in an intelligent manner by considering software, hardware and quality of service (QoS) requirements. The proposed semantic resource discovery mechanism classifies the resources into three categories viz., exact, high-similarity subsume and high-similarity plug-in regions. To achieve the necessary user QoS requirements, we have included a service level agreement (SLA) negotiation mechanism that pairs users’ QoS requirements with matching resources to guarantee the execution of applications, and to achieve the desired QoS of users. Finally, we have implemented the QoS-based resource scheduling mechanism that selects the resources from the SLA negotiation accepted list in an optimal manner. The proposed work is simulated and evaluated by submitting real-world bio-informatics and image processing application for various test cases. The result of the experiment shows that for jobs submitted to the resource broker, job rejection rate is reduced while job success and scheduling rates are increased, thus making the resource management system more efficient.     

结合预测机制和QoS约束的网格资源调度算法的研究

资源调度是网格计算领域中的研究热点之一.以达到最优的资源利用率和提高用户对服务的满意程度为目标,定义了资源QoS约束和形式化描述;在任务完成期限和网络带宽的双重属性约束下结合预测机制,提出了网格资源调度算法Senior;应用GridSim工具包实现了相关的调度算法,并对调度算法仿真结果中的数据进行了分析和比较,验证了Senior调度算法在解决类似问题的优势.