基于蜂群算法的多维QoS云计算任务调度

针对云计算环境下用户日益多样化的QoS需求和高效的资源调度要求,提出了基于改进蜂群算法的多维QoS云计算任务调度算法,其中包括构建任务模型、云资源模型和用户QoS模型。为了获得高效的调度,引入蜂群算法。针对该算法在后期收敛速度变慢且易陷入局部最优的问题,引入收益比、跟随比概念及当前个体最优值及随机向量,避免"早熟"现象的出现。通过实验仿真,将该算法HEFT与和ABC算法进行比较,实验表明,该算法能获得较高的调度效率和用户满意度。     

基于任务复制的多维QoS云计算任务调度

为了满足云计算环境下用户服务质量(QoS)需求和提高虚拟资源空闲时间段的利用率,提出了一种基于任务复制的多维QoS任务调度策略。首先,构建云资源模型和用户QoS模型,然后根据虚拟资源的利用情况和QoS的满意度对虚拟机进行性能测评,选择综合性能更高的虚拟资源进行任务的分配;在任务执行时为了缩短任务的完成时间,在调度过程中引入了在空闲时间段复制父任务的方式。通过仿真实验将该算法与HEFT、CPOP进行比较,实验结果显示：当用户偏好可靠性执行时,该算法平均可靠性比HEFT和CPOP高;当用户偏好完成时间和费用花费执行时,该算法平均完成时间比HEFT和CPOP少;当用户无偏好执行时,该算法平均完成时间和平均花费均比HEFT和CPOP少。结果表明该算法能有效提高资源利用率和用户的满意度。     

QoS based resource scheduling by computational economy in computational grid

In this paper, we consider multiple QoS based grid resource scheduling. Each of grid task agent's diverse requirements is modeled as a quality of service (QoS) dimension, associated with each QoS dimension is a utility function that defines the benefit that is perceived by a user with respect to QoS choices in that dimension. The objective of multiple QoS based grid resource scheduling is to maximize the global utility of the scheduling system.     

云计算环境下融合遗传算法和蚁群算法QoS约束任务调度

针对已有云计算任务调度算法为实现最短时间跨度而不能兼顾负载均衡和服务质量的问题,提出基于遗传算法和蚁群算法融合的QoS约束任务调度策略CAAC。CAAC利用任务的预测完成时间和成本耗费定义适应度函数;通过遗传算子全局搜索最优解,融合蚁群算子提高解的精确度;当任务数量大于50时,该算法收敛速度和资源利用率比蚁群算法平均提高4.7'和30.8'。仿真结果表明,该算法在保证服务质量和资源负载均衡方面具有优越性。     

多QoS约束的双目标最优的网格工作流调度研究*

针对当前网格工作流调度算法中大多只考虑DAG结构的网格工作流,涉及QoS参数较少或将多QoS参数聚合成一个单目标函数进行优化调度,提出了一种多QoS约束的双目标最优的网格工作流调度算法。该算法是基于AGWL网格工作流模型和改进的MOPSO算法,其目标是在满足可靠性、可利用性和声誉这三维QoS参数约束下,同时最小化两个冲突目标,即响应时间和服务费用。通过与原MOPSO所设计的网格工作流调度算法比较,该算法能获得更优的优化解。     

Utility-based QoS optimisation strategy for multi-criteria scheduling on the grid

The paper presents quality of service (QoS) optimisation strategy for multi-criteria scheduling on the grid, based on a mathematical QoS model and a distributed iterative algorithm. Three QoS criteria are considered, namely payment, deadline and reliability, which are formulated as utility function. The optimisation problem is split into two parts: task optimisation performed on behalf of the user and resource optimisation performed on behalf of the grid. The strategy employs three types of agents: task agents responsible for task optimisation, computation resource and network resource agents responsible for resource optimisation. The agents apply economic models for optimisation purposes. Dynamic programming is used to optimise the total system utility function in terms of an iterative algorithm. The objective of multi-criteria scheduling is to maximise the global utility of the system. This paper proposes an iterative scheduling algorithm that is used to perform QoS optimisation-based multi-criteria scheduling. The proposed QoS optimisation-based multi-criteria scheduling problem solution has been practically examined by simulation experiments.     

一种用于网格任务调度的退火进化算法*

针对网格环境下具有约束关系的任务调度问题,基于有向无环图DAG（directed acyclic graph）设计了调度模型;提出了一种改进的退火进化算法,对任务的执行次序和资源的具体分配分离编码,给出适应度函数计算方法和算法步骤。最后将算法和传统的遗传算法比较,实验结果显示该算法能获得更好的调度结果。     

云计算环境下基于路径优先级的任务调度算法

为了最小化云计算系统的任务调度长度,结合表启发式调度技术和任务复制的思想提出基于路径优先权的任务调度算法.采用一种新方法计算DAG图中任务节点及边的权值,从最高优先权的路径开始依次选择任务进行调度,并通过有选择性地复制任务节点的父任务来减少任务间信息传送的时间花费,最后将任务安排到使其执行完成时间最早的虚拟机上.通过随机产生的DAG图与HEFT算法进行对比分析,实验结果表明了该算法能获得较短的调度长度.     

一种多QoS目标约束的云计算任务调度策略

针对云计算环境下大量用户任务请求各异的服务质量（Quality of Service, QoS）调度目标要求,通过综合考虑云用户任务的截止时间底线、调度预算等QoS目标约束条件以及各类可用资源的性能参数,对任务调度的多QoS目标约束条件进行形式化建模,基于构造的隶属度函数将多QoS目标约束的优化求解问题转化成一个单目标约束的优化问题,对转化后的单目标约束优化问题进行近似求解,最终提出一种多QoS目标约束的云计算任务调度策略。在CloudSim模拟器上的仿真结果表明,提出的多QoS目标约束的云计算任务调度策略总体上优于传统的Min-min算法以及改进的以QoS为导向的Min-min算法。     

一种网格资源调度中QoS的最大化匹配算法

针对网格资源选择中复杂的QoS参数处理和精确匹配导致的资源调度率低下问题,将QoS参数按性质分类,定义了QoS参数距离,实现QoS参数相似性判断,由此提出了一种软化的参数处理模型,给出了一种最大化匹配调度算法。实验表明,该算法提高了系统吞吐量、任务满足率、资源调度率和整个系统资源利用率。     

设备网格中的任务调度算法

基于设备网格环境中仪器设备的利用率和提交任务的QoS需求来考虑,结合任务调度算法Min-min,提出了一种设备网格中的Qos-Balance任务调度算法.该算法既保证了负载均衡性和又可满足提交任务的QoS需求.实验结果表明,该算法是一种可行的设备网格任务调度算法.最后介绍了算法实验的结果分析.     

基于Min-Min遗传算法的网格任务调度方法

针对网格环境异构、分布等特点,在现有的任务调度算法的基础上,结合Min-Min算法和遗传算法的优点,提出了一种基于Min-Min遗传算法的任务调度方法。仿真实验表明：在网格环境下,该算法具有合理性和高效性。     

基于多QoS约束的数据网格任务调度算法研究

针对数据网格环境下的多QoS约束任务调度问题,提出了一种基于最早完成时间与QoS相识度的数据网格任务调度算法(data grid task scheduling algorithm based on Min-min and QoS similarity,MS-GTSA).该算法将最早完成时间与S-GTSA算法相结合,在任务调度过程中,选取任务QoS约束与资源QoS匹配最佳,且完成时间最早的一项优先进行调度.在满足任务最佳QoS匹配的同时,时间跨度得到了较大的改善.仿真结果表明,该算法有效降低了任务调度的时间跨度,在综合性能上较S-GTSA算法有所提高.     

服务网格环境下一种基于整体QoS的服务匹配策略

研究服务网格中的服务质量(QoS)保障问题.定义基本QoS参数及量化要求,阐述QoS参数归一计算方法,提出一种基于整体QoS的服务匹配策略.该策略利用QoS约束的一致性和整体QoS特性进行网格服务发现与选择,从而减小满足最小服务要求的解空间.实验结果表明该策略有效提高了匹配服务的执行效率,满足了用户的QoS需求.     

Cross-layer optimization policy for QoS scheduling in computational grid

This paper presents a cross-layer quality of service (QoS) optimization policy for computational grid. Efficient QoS management is critical for computational grid to meet heterogeneity and dynamics of resources and users’ requirements. There are different QoS metrics at different layers of computational grid. To improve perceived QoS by end users over computational grid, QoS supports can be addressed in different layers, including application layer, collective layer, fabric layer and so forth. The paper tackles cross-layer grid QoS optimization as optimization decomposition, each layer corresponds to a decomposed subproblem. The proposed policy produces an optimal set of grid resources, service compositions and user's payments at the fabric layer, collective layer and application layer respectively to maximize global grid QoS. The cross-layer optimization problem decomposes into three subproblems: grid resource allocation problem, service composing and user satisfaction degree maximization problem, all of which interact through the optimal variables for capacities of grid resources and service demand. In order to coordinate the subproblems, cross-layer QoS feedback mechanism is established to ensure different layer interactions. The simulations are conducted to validate the efficiency of the proposed policy.     

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。     

一个扩展的以QoS为指向的网格任务调度算法

在对网格计算的研究中,有人考虑了计算资源中服务质量(QoS)因素,在对传统的Min-Min算法加以改进的基础上,提出了QoS Guided Min-Min算法。在此基础上,本文提出一种新的扩展型算法,以进一步提高网格资源的利用率。最后,本文对以上三种算法的实验结果进行了比较分析。     

云计算下负载均衡的多维QoS约束任务调度机制

高效的任务调度机制能够更好地满足用户的QoS需求,实现各物理主机间的负载均衡,从而提高云计算环境的整体性能。而传统的任务调度往往只考虑任务的响应时间或安全性等,且负载均衡策略是静态的。根据云计算的弹性化和虚拟化等新特性,综合考虑任务的性能QoS和信任QoS,提出一种在云计算环境下的任务调度机制,采用虚拟机迁移技术实现动态负载均衡。通过在CloudSim2.1仿真环境下的分析和比较,该任务调度机制不但可以提高用户满意度,而且可以有效实现负载均衡。     

基于聚类和改进共生演算法的云任务调度策略

针对云计算环境中一些基于服务质量（QoS）调度算法存在寻优速度慢、调度成本与用户满意度不均衡的问题,提出了一种基于聚类和改进共生演算法的云任务调度策略。首先将任务和资源进行模糊聚类并对资源进行重排序放置,依据属性相似度对任务进行指导分配,减小对资源的选择范围;然后依据交叉和旋转学习机制改进共生演算法,提升算法的搜索能力;最后通过加权求和方式构造驱动模型,均衡调度代价与系统性能间关系。通过不同任务量的云任务调度仿真实验,表明该算法相比改进遗传算法、混合粒子群遗传算法和离散共生演算法,有效减少了进化代数,降低了调度成本并提升了用户满意度,是一种可行有效的任务调度算法。     

网格计算中基于信任机制的层次任务调度模型

提出了一种分布式层次任务调度模型,该模型将任务调度分两层进行,并且将信任机制引入其中以提高网格的服务质量及运行效率。提出了适应该模型的调度算法,算法同时考虑了网格实体间的信任关系、预测执行时间、QoS需求和价格因素,并动态调整它们在交易中所占的比重,从而较好地适应不同用户的需求。分析和仿真表明,该调度模型增强了网格环境的安全性和适用性,提高了执行效率,并降低了交易失败率。