基于多维QoS和云计算的资源负载均衡调度研究

为了实现云环境下虚拟资源的高效调度并满足用户QoS需求,提出了一种基于多维QoS能实现负载平衡的云资源调度方法;首先,建立了云资源调度的多维QoS数学模型,然后提出了一种基于蚁群算法实现云环境虚拟资源调度的算法,对信息素的初始化、虚拟机的选择以及信息素的更新等均进行了改进,并在算法中引入遗传变异因子以提高算法的收敛能力;实验结果表明:该算法能有效解决云环境下虚拟资源调度问题,减少负载均衡离差,较其它方法具有较大优越性,满足了云环境下资源调度的需求。     

云数据中心基于负载权重的负载均衡调度算法

针对现有云数据中心的多维资源利用不均衡问题,提出基于资源负载权重的动态多资源负载均衡调度算法。算法结合服务器各维度资源动态负载情况,构造层次分析法（AHP）判断矩阵来处理多维资源对于负载均衡影响权重大小,在此基础上综合考虑任务资源需求,将任务放置到合适服务器来改善资源利用,实现资源间负载均衡。平台仿真显示新算法可有效提高利用率低的资源的利用效率,在提高整体资源利用率、降低资源间负载不均衡率方面有优势。     

云计算资源负载均衡调度算法研究

为实现虚拟机层的负载均衡,论文提出一种基于双加权最小连接的资源调度算法。传统的加权最小连接算法对服务器的权值是事先根据服务器节点的配置情况和管理员的经验设定的,以连接数来表示节点负载。本文在加权最小连接算法的基础上,综合考虑服务器的实时负载情况,实现对服务器的动态赋权值。同时根据任务类型的复杂度,对任务类型也进行了加权计算,给出了双加权最小连接算法的设计思想、基本流程及实现过程。通过在Cloud Sim平台上的仿真结果表明,与加权最小连接算法相比,双加权最小连接算法能够得到更高的负载均衡度和更好的系统效率。     

网格环境中基于负载均衡的工作流调度算法

由于网格工作流任务之间存在时序和数据依赖等关系,使得网格环境中工作流的调度问题成为一个NP完全问题。针对有向无环图(DAG)类型工作流提出一种调度算法,先确定关键路径,从而优先调度关键路径成员节点,该算法追求在最优时间跨度下的系统均衡负载,最后通过实验验证了该算法的有效性。     

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.     

基于 OpenMP 的多线程负载均衡调度策略

介绍OpenMP环境下几种典型针对for循环的调度策略,通过实验结果对其进行详细分析和总结;提出一种新的调度策略的改进方案。     

基于纳什均衡理论的网格资源调度机制

网格环境下资源是分布的、异构的、动态的,由不同的组织拥有,各组织对资源的管理策略以及资源的存取花费各不相同,因此网格资源管理和调度是具有挑战性的问题。文章针对网格资源的特性,提出一种基于经济学理论的资源优化管理机制,描述了基于市场经济的网格资源管理模型,有效地解决了资源的供给和需求。以纳什均衡理论为基础,依靠市场机制,实现基于QoS的网格资源管理和调度。     

物联网节点负载均衡优化调度方法研究

针对物联网节点负载均衡调度方法存在资源节点浪费的问题,笔者提出物联网节点负载均衡优化调度方法。通过建立物联网节点负载均衡优化调度模型,实现了分层路由网关节点数目匹配与网关调度任务节点重组,对重组后节点进行网络负载均衡匹配,可以完成物联网节点负载均衡优化调度。根据仿真实验,对比优化调度方法与其他调度方法的负载均衡离差值,证明了优化调度方法能够更好地实现物联网节点负载均衡优化调度。     

集群技术及负载均衡调度算法研究

集群(cluster)技术是一种较新的技术,通过集群技术,可以在付出较低成本的情况下获得在性能、可靠性、灵活性等方面相对较高的收益.任务调度是集群系统中的核心技术.文章对集群的定义、分类、优点及各种常见的负载均衡调度算法进行了详细归纳.     

基于Agent的负载均衡框架应用研究

文章通过对现有负载均衡系统的分析,针对现有系统缺乏自主调节能力的不足,提出了一套将现代经济理论通过Agent技术运用到负载均衡和资源分配中的应用框架模型。     

基于多Agent的网格信任模型

在对相关信任模型研究的基础上,提出了一个基于多Agent的信任模型,该模型采用在每个管理域设置多个Agent,每个实体和多个Agent关联的方式来管理网格环境中实体间的信任关系.实验和分析结果表明,与其它基于声誉的信任模型相比,这种模型不但缩短了交易响应时间,而且提高了作业成功率,从而能更加有效地解决网格环境中存在的安全问题.     

基于动态负载均衡策略的网格任务调度优化模型和算法

任务调度是一个NP-hard问题,而且是并行与分布式计算中一个必不可少的组成部分,特别是在网格计算环境中任务调度更加复杂。结合免疫克隆算法和模拟退火算法的优点,提出了一种网格任务调度优化模型和算法。仿真实验结果表明,这种调度算法有效地实现了资源的负载均衡,克服了遗传算法容易陷入局部最优的缺点,可以成功地应用于网格任务调度中。     

非集中调度模型下的网格资源调度研究*

针对当前网格资源调度系统扩展性差的问题,提出了基于非集中调度模型的以保守Backfilling算法为核心的网格资源调度算法.探讨了网格任务在站点处理器数目异构情况下,网格作业多站点协同调度问题.实验仿真证明,在跨网格站的资源调度中,运用资源预留策略和多站点作业分块可以改善作业的平均响应时间,并起到负载平衡的效果.     

基于多Agent协同跟踪调度技术研究

为了减少时效性要求较高的动态目标跟踪的调度时间,提出了一种基于多Agent的自适应协同跟踪平台选择算法。首先,提出Agent模型的应用;然后,以最小化调度时间和跟踪误差为目标建立适应度函数,采用合同网结合二值粒子群优化的方法,选出针对特定目标的最佳跟踪平台组合。仿真结果表明,与现有的几个算法相比,该方法有效减少了调度时间,提高了跟踪精度,适用于实时性高的高速运动目标跟踪。     

基于反射机制的多Agent数据交互模型研究

在研究Agent理论的基础上,提出软件系统的智能性、灵活性主要表现在软件系统能够感知环境与需求的变化,根据变化来对自身业务流程做出相应的调整.重点在于结合反射技术,通过动态配置器的参与作为决策依据进行研究,建立基于反射机制的多Agent数据交互配置模型,在现有的多Agent合作和协调机制下,该模型为开放、异构、动态环境下多Agent数据交互提供灵活、自适应的解决方案,并将该模型应用于实际系统的设计中.     

基于资源状态可靠度的网格工作流调度算法

针对执行时间限制严格类型的DAG类型网格工作流提出一种新的基于资源状态可靠度的网格工作流调度算法。该算法根据用户提交的工作流执行时间要求,利用Chapman-Kolmogorov向后方程来计算出DAG图中关键路径上各资源在任务到达时刻均处于“闲状态”的概率大小,然后选择一组资源组合的状态可靠度大于用户要求的信任度置信水平α且总费用较低的一组资源。最后通过实验验证了该算法的有效性。     

基于资源预测的网格任务调度模型

跨越虚拟组织中多个域(或集群)的网格任务调度由于资源的不确定性（如动态性和异构性）而成为网格应用中亟待解决的问题。提出了一种有效的基于资源预测的网格任务调度模型——RPTS,该模型利用加权最小二乘方法进行参数估计的自回归滑动平均(ARMA)预测方法对网格环境下的主机负载进行预测。利用上述资源预测结果和一类数据并行性网格任务的建模结果,对它们进行预处理、匹配并调度执行。RPTS充分考虑了网格环境下资源的动态性和异构性,为解决网格环境下任务调度问题提供了一种较好的方法。与其他一些网格任务调度方法进行了一系列的仿真实验,结果表明RPTS模型具有任务执行时间最短和稳定性较好的特点。     

基于Multi-Agent技术的网上审批系统研究

网上审批系统是电子政务的重要组成部分,但传统的网上审批系统存在诸多弱点.在对网上审批系统在信息共享,智能化和用户个性化方面的不足和Agent技术的优点研究的基础上,提出了一个基于Agent技术的网上审批系统的模型,描述了各种Agent的功能,Agent的结构及各种Agent在系统工作流程中协作.最后,描述了基于KQML和XML的Agent通信机制.     

一种多集群网格的负载均衡算法

网格环境由于其可扩展性、异构性以及大量的传输延迟,使得网格环境下的负载均衡不同于传统的分布式系统。提出了一种动态的分布式负载均衡算法,该算法综合考虑网格站点的处理能力和站点之间的传输延迟,采用即时分配策略来降低作业的执行成本,目标是使系统平均作业响应时间最小化。仿真结果显示该算法显著减少了作业的平均响应时间。     

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.