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.     

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。     

仿真网格中服务的最优化调度机制研究

在网格中,如何为任务提供最优化资源服务是一个十分复杂的问题.本文以仿真网格为基础,建立一种服务的最优化调度的理论模型.根据这种理论模型,提出一种新的遗传模拟退火算法.从而形成一种仿真网格环境下服务的最优化调度机制.为了验证这种机制的可行性和有效性,开发一个基于此服务调度机制的仿真网格运行管理系统.通过这个系统的仿真实验表明:这种服务的最优化调度机制具有良好的可行性和有效性.     

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.     

基于效益函数驱动的网格资源调度算法研究

根据网格动态、异构的特点,提出了一种基于效益函数的网格资源调度算法,并根据时间、代价限制以及用户QOS(quality of service)建立效益函数,将传统静态的调度算法转变为面向用户的动态的调度算法,符合经济市场对于"买"、"卖"双方的要求,采用GridSim进行了模拟实验,并将该算法同Optimise-Cost和Optimise-Time算法进行了对比,结果表明该调度算法在任务的完成率、时间耗费及费用等方面具有一定的优越性.     

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GridSim的网格算法测试软件开发*

针对目前绝大部分的网格任务调度实验均建立在仿真实验的基础之上,而GridSim网格模拟器在支持多任务、多资源环境下的网格算法测试方面表现得越来越力不从心,开发一个便于网格研究者使用的网格算法测试软件迫在眉睫。设计并实现了基于GridSim的网格算法测试程序,该程序包括了构建环境模块、任务调度模块和结果输出模块三个子模块。通过实验验证,该程序能够达到在多任务、多资源环境中分析、对比和验证网格调度算法性能的目的。     

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。     

一种应用于网格计算环境的任务调度模式*

提出了一种新的网格任务调度模式,针对网格计算资源有组织、松耦合、自治等特性,建立基于多层次虚拟组织形式的计算资源模型;根据网格环境中应用任务粗粒度、特定资源依赖等特点,建立了网格任务的描述模型;提出并实现了相应的子任务生成算法、任务初始调度算法及自动调整算法。设计实现了能够支持仿真及实际网格计算环境可扩展网格任务调度器,通过理论分析和仿真实验对算法的正确性、效果和效率进行了评价。     

基于混合粒子群优化的CMP线程调度方法

为提高片上多核处理器(CMP)架构中线程调度的执行效率,发挥CMP的并行性能,提出一种基于混合粒子群优化算法的线程调度方法.根据设计的线程调度模型,利用有向无环图表述线程及线程间的相互依赖关系,并采用改进的混合粒子群算法对其进行合理调度.实验结果表明,该方法的执行效率优于现有的遗传算法,能有效地降低任务的执行时间,充分发挥多核架构的优势.     

多处理器系统的实时调度算法研究

调度算法是实时系统的关键技术，选取何种算法调度实时任务，这将直接影响着系统的实时响应能力。多处理器系统有局部调度和全局调度两类实时调度方法，以PFair公平调度为代表的全局调度是当前研究的热点。研究了典型局部调度EDF-FF算法和典型PFair公平调度PD^2算法，比较了多处理器系统采用PD^2算法相对于采用EDF-FF算法实现任务调度的优点，分析了由于任务频繁抢占和迁移，PD^2算法引起的时间消耗，估计并比较了PD2算法和EDF-FF算法的时间消耗，最后得出结论：在共享内存的多处理器系统中，公平调度算法是实时任务调度的比较理想的选择。     

磁带库系统的随机I/O调度算法

由于磁带库随机存取的性能很差,需要研究有效的随机I/O调度策略和算法以改善其在线存取的效率.对已有调度算法进行了分类、提炼和总结,利用仿真实验对静态调度、动态调度和基于复制的调度算法进行了深入研究,讨论了影响各种算法有效性的因素.针对已有算法在较重的负载条件下使系统性能急剧恶化的问题,还提出并研究了一种基于效益-代价均衡的调度算法.该算法引入效益-代价加权的概念,通过调节不同负载下的效益-代价加权比,极大地改善了已有算法在重负载下的有效性.该项研究为设计海量存储系统中的自适应调度算法提供了重要依据.     

半导体封装测试生产线排产研究

以某半导体封装测试（Semiconductor assembly and test manufacturing,ATM）企业为研究背景,对半导体封装测试的生产过程进行分析总结,提出一种新的“产能限定混线车间”（Capacity-limit flexible flow-shop,CLFFS）模型作为半导体封装测试生产线的排产模型.通过对半导体封装测试的特殊逻辑处理、排产方法以及排产规则等进行研究,提出采用逻辑约束和调度规则双层优化控制的启发式正序排产算法作为半导体封装测试的总体排产方法,同时针对批准备单处理生产阶段,提出一种新的预测开机控制优化调度方法.最后,结合CLFFS排产模型和所提出的策略方法,给出半导体封装测试排产的应用研究示例与比较,结果证明本文给定的总体排产方法在ATM中具有很好的可行性和业务逻辑嵌入的即便性,同时本文所提出的新的预测开机控制优化调度方法能够很好的缩短生产周期,提高生产效率.     

Energy and transition-aware runtime task scheduling for multicore processors

Many embedded or portable devices have large demands on running real-time applications. The designers start to adopt the multicore processors in these devices. The multi-core processors, however, cause much higher power consumption than ever before. To resolve this problem, many researchers have focused their studies on designing the energy-aware task scheduling algorithms for multicore processors. Conventional scheduling algorithms assumed that each core can operate under different voltage levels. However, they have not considered the effects of voltage transition overheads, which may defeat the benefit of task scheduling. In this paper, we aim to resolve this scheduling problem with voltage transition overhead consideration. We formalize this problem by an integer linear programming model and propose a heuristic algorithm for a runtime environment. The experimental results show that the proposed online heuristic algorithm can obtain the comparable results with the optimal scheduling derived by the offline integer linear programming approach.     

基于多任务强化学习的堆垛机调度与库位推荐

堆垛机调度是物流仓储自动化中的重要任务,任务中的出入库效率、货物存放等情况影响仓储系统的整体效益。传统调度方法在面对较大规模调度问题时,因处理大状态空间从而导致性能受限和收益降低。与此同时,库位优化与调度运行联系密切,但现有多数工作在处理调度问题时未能考虑到库位优化问题。为解决仓储中堆垛机调度问题,提出一种基于深度强化学习算法的近端策略优化调度方法。将调度问题视为序列决策问题,通过智能体与环境的持续交互进行自我学习,以在不断变化的环境中优化调度。针对调度中伴生的库位优化问题,提出一种基于多任务学习的调度、库位推荐联合算法,并基于调度网络构建适用于库位推荐的Actor网络,通过与Critic网络进行交互反馈,促进整体的联动和训练,从而提升整体效益。实验结果表明,与原算法模型相比,该调度方法的累计回报值指标平均提升了33.6%,所提的多任务学习的联合算法能有效地应对堆垛机调度和库位优化的应用场景,可为该类多任务问题提供可行的解决方案。     

基于效益最优的网格资源调度

网格资源管理和调度是一个非常复杂和重要的研究问题,传统的集中式管理和调度方法很难适用于网格计算环境,基于经济模型的资源管理和调度成为当前的研究热点。论文提出了一个基于效益最优的网格资源调度算法,模拟试验表明新的调度算法具有较好的调度长度。     

遗传算法在公交调度中的应用研究

以乘客和公交公司总效益最大为调度目标,建立了公交运营参数优化模型,给出了用遗传算法求解该模型的步骤,用“青岛市公交示范线”501线路运营数据对提出的模型及算法进行了验证。