隐私与成本感知的云工作流调度方法

针对云工作流执行过程中的用户隐私保护需求,建立了相应的云工作流调度模型,在粒子群优化算法及模拟退火智能优化算法的基础上,通过引入经典表调度算法CPOP中的任务优先级计算策略,提出一种具有隐私与云资源使用成本感知能力的云工作流调度方法 CP-PSO。该方法采用考虑成本因素的上行与下行权重来计算各个工作流任务的优先级,结合隐私保护需求搜索并优化调度方案。通过仿真实验说明了该方法的有效性。     

云际协作环境下能耗与成本感知的工作流调度方法

为解决云计算中的效费比、平台锁定和跨域资源管理等问题,目前已提出云际计算模式以便多个云服务实体之间的开放协作并创造云价值.在云际协作环境中,如何高效实现兼顾成本与能耗的云工作流调度是涉及多方云资源管理的一个重要问题.针对该问题,构建了云际协作环境下能耗与成本感知的工作流调度模型,并提出一种相应的云工作流调度方法(ECO).该方法主要包含任务组选择、虚拟机复用和资源动态管理等策略,可在云际协作环境下调度多个云工作流应用,并在满足截止时间约束的前提下,优化工作流执行成本与能耗.通过仿真实验说明了该算法的有效性.     

云工作流环境下隐私感知的多租户访问控制模型

云环境中的多租户服务模式与隐私保护需求给工作流系统访问控制提出了新挑战。通过考虑不同工作流任务与任务组合中的数据包含隐私信息的程度、租户对隐私保护的不同需求以及与时间、服务提供者等云环境特性因素相关的任务执行约束,提出一种云工作流环境下隐私感知的多租户访问控制模型,并结合该模型提出了一种隐私感知、动态责任分离的授权约束方法。通过应用实例验证了所提模型与方法的有效性。     

安全与成本感知的实例密集型云工作流调度方法

针对现有实例密集型云工作流调度方法未考虑安全需求及未引入实例的不足,构建了相应的调度模型,并通过借鉴信任管理的思想,提出基于用户信任度的工作流实例方面处理策略以及一种安全与成本感知的实例密集型云工作流调度算法(SC-ICW)。该算法可在满足截止时间与安全需求约束的前提下优化执行成本,并减少实例方面处理可能引发的安全风险。通过仿真实验说明了该算法的有效性。     

基于萤火虫算法和动态优先级的多QoS云工作流调度

为了提高用户的满意程度、降低运营成本,考虑时间、费用和可靠性3个重要的服务质量因素,针对时间和可靠性双重约束下费用最小化的云工作流调度问题,提出基于萤火虫算法和动态优先级的最优调度方案。结合云工作流调度问题的特点,重新定义了萤火虫算法中的位置、距离以及位置更新方式,同时对于每一种调度方案,采用动态优先级算法确定任务顺序,以减少工作流完成时间。在WorkflowSim平台上进行模拟调度仿真实验,证明了该方法在收敛速度和最优值方面均优于传统的云工作流调度算法。     

云环境下使用竞价实例并考虑中间数据存储策略的工作流调度方法

为了在存储空间有限或者考虑存储成本的情况下选择性存储数据集,结合云环境的特点,提出一个启发式的考虑选择性存储中间数据集并结合用户工作流的完成时间需求,将竞价实例与按需实例相结合的工作流调度算法。根据全局权重对任务进行分组与调度,通过对数据集的存储与再生成代价进行估算来管理中间数据集的存储。对云环境进行仿真,并设计实验与其他存储策略进行对比。结果表明,在云实例价格动态变化的环境中,该算法在保证工作流完成率及减少调度产生的总费用方面具有一定的优越性。     

面向价格动态变化的云工作流调度算法

为解决资源价格变动环境中云工作流任务调度开销优化的问题,提出一种基于动态规划的云工作流资源调度算法.该算法将云工作流中的任务分为多个串行任务组,然后利用动态规划算法对每组任务进行调度,计算在该任务组规定完成时间内开销最低的调度方案.通过实验,与状态图搜索算法进行了比较,在被调度的资源的价格为可变函数时,计算了四种工作流模型的调度结果.结果表明,所提动态规划算法比考虑资源平均价格的状态图搜索算法有更好的表现.     

面向QoS与成本感知的云工作流调度优化

为有效提升云工作流服务质量,降低运营成本,对云工作流调度优化问题展开研究。分析问题涉及的不同主体与调度环节,建立面向服务质量与成本感知的云工作流调度模型,并针对问题模型不同阶段的调度策略展开剖析,依据阶段策略特征设计调度方案的编码规则,在此基础上提出一种基于任务序列划分的两段式编码遗传算法。该算法以租户流程租约和虚拟机实例负载为约束,通过两段式交叉、变异算子进行种群的迭代进化,以实现对云工作流服务费用与云资源使用成本的调度优化。通过对不同规模的问题实例进行仿真实验,结果表明所构造算法的解质量明显优于两类基于任务与虚拟机映射编码的遗传算法。     

混合云环境下面向时延优化的科学工作流数据布局策略

如何结合公有云和私有云各自的优势,对包含隐私数据的科学工作流数据进行合理布局,优化大规模数据的传输时延,是混合云环境下科学工作流面临的重大挑战。考虑混合云环境下数据布局特点,结合科学工作流数据间的依赖关系,提出一种基于遗传算法算子的自适应离散粒子群优化算法,优化数据传输时延。该方法考虑了云数据中心间的带宽、私有云数据中心个数和容量等因素对传输时延的影响;通过引入遗传算法的交叉算子和变异算子,避免了粒子群优化算法的过早收敛,提高了种群进化的多样性,有效地压缩了数据传输时延。通过实验证明了所提算法的有效性。     

基于批量处理策略的云工作流调度方法

为了进一步优化云计算环境下的工作流调度,提出一种基于批量处理策略的云工作流调度方法,该方法考虑了云环境中任务对廉价资源的激烈竞争,利用批量策略,在小范围取得最优的调度结果趋近全局最优调度结果。实例计算证明,该方法优于时间费用折中调度算法。     

考虑信息安全因素的多目标云工作流调度

为了满足云工作流调度需求的多样性,构建了考虑信息安全因素和多实例工作流执行时长的云工作流调度模型。该模型主要考虑了保密性、完整性与真实性3种信息安全因素的时间开销,以及无决策偏好情况下的信息安全风险概率度量。为了提升调度优化效果,提出工作流实例中任务调度的优先级确定规则和考虑信息安全因素的虚拟机分配规则,并将这两个启发式规则与NSGA-Ⅱ算法相融合,对上述模型进行了优化求解。实验结果表明,所提算法可以较好地实现工作流执行结束时间与信息安全风险概率两个目标的平衡,亦可提高优化结果的质量。     

面向用户多品种定制的分布式供应链调度

针对云制造面向分布式供应链环境中的多品种定制问题,提出一种多目标生产运输优化调度模型和基于改进混合蛙跳算法的求解方法。该模型考虑供应链中的制造/供应两阶段,以及不同企业间的运输时间和成本,得到成本最小、时间最短、生产空闲率最小、订单延迟最小的调度方案。同时,该算法重新定义原有算法的核心操作算子以适应离散调度问题求解,并结合模拟退火和极值优化算法的特性,进一步改进离散域的混合蛙跳算法的局部搜索性能。通过项目调度标准测试集验证了该改进算法的性能,并以6个品种定制需求为案例,验证了所提模型与算法的有效性。     

移动边缘计算环境下服务工作流容错调度算法

针对移动边缘计算环境下服务工作流延时优化问题以及工作流任务执行失败的情况,提出一种适用于服务工作流的容错免疫粒子群优化调度算法(FT-IPSO).该算法首先采用异构最早完成时间算法计算已分层任务的权重并生成就绪队列;其次,结合服务工作流调度流程加入了混合容错策略,确保工作流在任务失败后能够继续执行;然后,采用粒子群算法快速寻找最优调度方案,编码时利用整数映射调度过程中主副版本任务调度位置,并融入免疫算法,保证粒子寻优的全局性;最后,根据算法得出的最优调度方案对任务进行调度.仿真实验结果表明,FT-IPSO算法有效降低了服务任务失败率,并且对服务工作流的延时优化效果较反应式容错算法、基于聚类启发式算法的检查点和复制算法,以及基于群集的异构最早完成时间算法分别提高了约4.1％、6.3％ 和9.1％.     

云制造环境下跨企业协同生产调度算法

为解决云制造环境下的跨企业协同生产调度问题,提出一种适用于云制造环境下生产资源调度的混合集合规划方法。该方法基于切削算法框架,综合考虑多种约束,提出一种有效的求解策略,实现了一种面向订单且适用于跨企业、多约束、多品种、小批量的有限能力调度算法,为供应链中供需企业提供了一份拖期小、费用低、跨度短的协同生产计划。利用多组制造企业真实数据对模型进行测试,结果表明,该模型可在合理时间内有效求解实际应用规模的跨企业协同生产调度问题。     

面向云制造的混流混合车间调度问题

为解决云制造环境下混流混合车间的生产调度优化问题,综合考虑混流装配与零部件加工的集成优化以及外协云任务与自制任务的协同调度,建立了以最小化最大完工时间、均衡化零部件生产和最大化零件车间机器利用率为优化指标的多目标车间调度模型。基于零件分批和车间调度的两阶段求解策略,设计了一种两级递阶结构的混合生物地理学优化算法,采用在迁移算子中嵌入差分进化算法的变异策略来提高算法的搜索效率。最后,通过实例验证了模型和算法的有效性。     

移动边缘计算环境下面向安全和能耗感知的服务工作流调度方法

在移动边缘计算(MEC)环境中,用户将应用任务迁移至MEC端执行可以有效降低延时并减少能耗。然而,MEC环境面临潜在的恶意攻击,这些攻击可能导致隐私数据的丢失或泄露。基于此,提出了面向安全和能耗感知的服务工作流调度方法(SEA),该算法能在满足移动应用的风险率和截止时间限制条件下,最小化移动设备的能耗。SEA是基于粒子群优化算法,在编码中考虑了任务的调度位置、机密性服务和完整性服务。此外,还构建了新的安全模型,分别包括数据量、多核CPU、计算频率与安全开销之间的关系。最后,通过仿真实验证明了所提算法的可行性与有效性。     

港口拖轮调度模糊规划优化模型及算法

为了解决不确定环境下的港口拖轮调度优化问题,综合考虑其模糊性以及港口拖轮作业分配计划的决策,构建了以拖轮总燃油成本最小化为目标函数、考虑多停泊基地条件下的一体化拖轮调度模糊规划模型.针对问题特点设计了一个基于调度计划编码的鲸鱼—遗传混合算法代码,分别采用混合算法与CPLEX,Memetic算法对若干算例的求解结果进行对比分析,结果验证了所提混合算法的可行性,并就可信性水平的变化进行分析,证明了模糊规划模型的适用性.     

云制造环境下资源动态调度系统研究

云制造环境下资源动态调度是云制造中的关键技术之一。针对云制造环境下制造资源调度的特点和存在的问题,提出了基于资源负载均衡的动态调度策略,建立了以完成任务的总服务成本最小为优化目标的模型,并通过建立应用实例说明了该系统的实际应用过程。     

基于并行分层的工作流调度优化算法

针对给定截止时间约束下用有向无环图描述的工作流时间费用优化问题,逆向分层算法未考虑工作流中各个任务在实际执行过程中的并行性而带来相对较多的时间碎片,提出一种基于并行分层的工作流调度算法——并发级别工作流调度算法。该算法将工作流在实际执行过程中的某个任务和其他一个(或具有依赖关系的相邻多个)并行执行的任务尽量划分到同一层,并根据各层的并行度分配冗余时间,对每层中存在具有依赖关系的多个相邻任务采用Markov决策过程算法进行时间费用优化。对平衡结构和非平衡结构的有向无环图所描述的工作流进行大量模拟实验,对比最小临界路径算法、逆向分层算法和期限顶级算法,实验结果表明所提算法具有较显著的优势。     

面向云制造服务的制造资源多目标动态优化调度

针对云制造环境下制造资源调度的特点和存在的问题,建立了云制造环境下制造服务资源多目标调度模型。根据云制造环境下极易发生扰动的特点,提出了一种动态调度技术,以在发生突发事件时及时作出反应。提出了一种基于遗传蚁群算法的制造资源调度算法,该算法利用遗传算法搜索能力强、收敛速度快的优势弥补蚁群算法易陷入局部最优、收敛速度慢的不足,使整个调度过程能快速、准确地收敛于最优解。最后用实例证明了该算法的有效性。