基于资源分组的多约束云工作流调度算法

已有的云工作流调度算法采用全局搜索方式进行资源选取,存在计算成本高、对大规模云系统适应性差的问题。该文提出了基于资源分组的多约束云工作流调度算法,采用有向无环图的方法,对云工作流中的多任务之间的执行顺序和数据交换等属性进行量化建模;使用模糊聚类方法实现基于资源多维特征的分组处理,降低工作流任务到资源匹配过程中的搜索空间;并引入执行时间和成本预算约束,将工作流的任务调度问题转化为有约束条件的极小极大问题进行快速求解。仿真测试表明,该算法显著降低了任务执行完成时间和成本。     

基于关键路径前瞻的工作流调度算法

为了进一步提高工作流调度的效率,对异构环境下的工作流调度算法进行研究,提出了一种基于关键路径前瞻算法(critical path lookahead algorithm,CPLA)的工作流调度算法.该算法在任务确定优先级阶段考虑了入口任务到当前任务的最长路径,以及当前任务到出口任务的最长路径;在资源选择阶段考虑了关键路径任务和非关键路径任务对调度结果的影响.使用随机生成的和真实世界的2种不同类型的有向无环图(directed acyclic graph,DAG)工作流来评估CPLA的性能,实验结果表明:CPLA能够有效地缩短调度长度,算法的效率、加速比、调度长度比等性能有所提高,并且算法的时间复杂度低于目前调度效果最好的Lookahead算法.     

基于机器学习的MEC随机任务迁移算法

针对移动边缘计算（MEC）,提出了一种基于机器学习的随机任务迁移算法,通过将任务划分为可迁移组件和不可迁移组件,结合改进的Q学习和深度学习算法生成随机任务最优迁移策略,以最小化移动设备能耗与时延的加权和.仿真结果表明,该算法的时延与能耗加权和与移动设备本地执行算法相比节约了38.1%.     

工作流管理中分组批处理调度算法研究

针对成批服务工作流的K／1／1模型，提出了改进的先来先服务RFCFS和加权排队WQ两种分组批处理理优化调度算法。通过仿真的方法对它们的各种统计特性与传统方法做了比较，说明分组批处理是有意义的、且是可行的，可以缩短工作流实例中活动处理的平均等待时间、提高系统效率并可节约资源。     

改进多目标进化算法的云工作流调度

针对云计算和云存储资源复杂变化的定价机制给云工作流调度带来了极大的挑战问题,建立了考虑定价机制的多目标云工作流调度模型。针对云工作流调度问题的特点,设计了一种实数编码机制,使得现有的基于实数编码的交叉算子能够直接用于求解云工作流调度问题,从而避免了现有组合优化方法需要进行解的可行性修正的问题。进一步在MOEA/D算法框架下,设计了一种启发式局部搜索策略,提出了一种新的进化多目标云工作流调度算法。仿真试验结果表明,与目前主流的进化多目标优化算法相比,该算法在求得帕累托最优解集的宽广性和均匀性上具有明显的优势,且算法稳定性更好。该方法对于云平台资源利用率的提升具有重要的应用价值。     

基于化学反应优化算法的边缘计算任务卸载策略

针对边缘计算环境中单用户多任务应用,通过分析服务缓存和任务执行过程,建立任务计算卸载系统模型,确定卸载目标,并将问题细化为服务缓存和任务卸载两个子问题,其中服务缓存问题被抽象为0-1背包问题,利用化学反应优化（CRO）算法得到其最优缓存策略;任务卸载问题转化为最优化问题,设计一种改进化学反应优化（ICRO）算法来得到其近似最优卸载决策。实验结果表明：ICRO算法比CRO算法的平均优化效果增强了5.0%左右,系统时延和设备能耗分别是极端情况下的33.3%、53.8%;无论服务器缓存空间是否充足,CRO算法总是能制定出合理的缓存方案,使服务缓存比例保持在一个合理的范围之内;ICRO算法比CRO算法的优化能力更强,它不仅可以明显降低系统总成本,还具有良好的全局搜索能力和可移植性,可以满足用户多样化需求,使用户获得更好的服务体验。     

MEC中面向动态环境的工作流D2D协同卸载方法

为解决现实场景中终端设备的移动性与性能波动对工作流D2D(device-to-device)协同卸载带来的问题,提出一种面向动态环境的工作流D2D协同卸载方法,以尽可能小的卸载成本保证工作流在时间约束内得到及时响应。在工作流的卸载执行过程中感知其执行时间状态,并提出贪婪有序自适应搜索算法进行高效的工作流D2D卸载决策,根据环境变化及工作流执行时间状态在线调整卸载方案。仿真结果表明,该卸载方法在动态环境中具有有效性,并且卸载决策所需的计算开销很低(仅为粒子群优化算法的1.63%),具有较高的实时性。     

改进CS算法结合决策树的云工作流调度

对云计算环境下工作流任务调度的现有方案进行分析,针对存在运行时间长、资源利用率低等不足,提出一种结合改进型布谷鸟搜索算法和决策树的工作流任务调度方案。首先,根据工作流任务属性分配截止期限;其次,利用改进型布谷鸟搜索算法将工作流分割成多个子工作流,最小化数据依赖性,再利用决策树选择出满足任务QoS约束的资源;最后,根据任务的计算时间、排队时间和通信延迟的总和来判断是否满足截止期限约束,以此配置相应的资源。实验结果表明,该方案具有较短的总运行时间和较高的任务完成率。     

基于工作流物流调度系统的设计与实现

介绍了工作流的基本概念、分类和应用，结合第三方物流业务调度系统，谈如何用工作流思想来设计一般的物流调度系统。     

基于约束有向图面向XML的工作流建模

针对传统建模方法建模复杂且构建的模型通用性差等缺点,提出基于约束有向图的建模方法,通过对有向图的节点和连接弧的约束解决有向图在过程建模时描述能力不足的问题,保留了其直观性;给出了将构建的工作流模型转换为基于XML描述形式的具体方法,增强了模型的通用性。     

基于Q-learning的工业互联网资源优化调度

面对5G与工业互联网中日益增长的数据传输与计算需求,移动边缘计算已逐渐成为一种新兴的解决方法,可有效应对工业互联网设备自身计算能力的不足,并充分缓解网络拥塞等问题.然而,当数量庞大的设备同时发送计算请求时,往往会超出边缘计算服务器的计算负载.此外,工业互联网设备通常仅装配有限的能量供给,无法承受能源消耗过多的任务,且庞大的设备数量还决定了网络连接、数据计算等系统开销.因此,面向工业互联网场景中机器类型通信设备的计算任务卸载问题,提出一种基于Q-learning的计算任务卸载决策方法,综合考虑任务卸载过程中的网络环境和服务器状态,并联合优化卸载过程产生的时延、能耗和经济开销.仿真结果表明,所提优化框架可有效减少计算任务卸载系统的时延、能耗和经济的总开销.     

机群环境中一种基于工作流关系的作业调度算法

为了提高网格环境下的机群资源处理作业的能力,提出了一种用来解决工作流作业执行顺序的调度算法。该算法根据提交工作流作业时用户的身份,作业对时间的紧迫要求,以及工作流作业的各子作业之间的相互依赖关系,确定了工作流各子作业之间的调度顺序。通过使用该算法,可以使优先级高的作业得到优先运行,同时又能让若干无依赖关系的工作流作业并行运行。实验结果表明,该算法能够有效地解决工作流作业的调度问题,提高了系统的并行性,产生了良好的调度效果。     

基于活动的工作流关键路径算法

计算关键路径是研究工作流时间问题的重要步骤,现有算法大多是基于工作流控制结构的规约与化简的,对工作流模型要求较高,不能计算控制结构的"部分覆盖",限制了其应用.首先给出一个描述活动延迟的工作流模型,然后将工作流网看作一个M/M/1队列网,讨论工作流活动在各种结构中的到达率与时间延迟,提出一种基于活动的关键路径算法.算法降低了对工作流模型结构的要求,解决了控制结构"部分覆盖"的计算问题,提高了算法的实用性.     

基于规划和动态调度的网格工作流

基于WFMC的工作流参考模型提出了网格工作流体系结构,扩展了基于遗传算法技术的规划算法以支持网格工作流自动建模,给出了基于市场驱动策略的动态调度算法以提高网格应用的服务质量,并介绍了在Globus上实现的原型系统JLGridFlow和其在大文件下载中的应用。     

基于情景约束的工作流柔性访问控制模型

针对现有的访问控制模型在工作流系统中,基于情景的动态授权和灵活的任务相关授权等问题,提出一个应用于工作流系统的基于情景约束的柔性访问控制模型.模型定义了基于情景约束的角色指派策略和角色授权策略,分析了策略间的关系,对策略间可能存在的冲突进行了分类,给出策略冲突的静态和动态检测规则,并提出优先级规则和冲突消解策略的概念,安全管理员可以根据系统需求灵活地确定冲突消解的方式;模型还给出基于最小角色指派策略集和最小角色授权策略集的角色分配与授权决策算法,实现了工作流系统中基于情景的动态授权,并支持用户-角色和角色-权限的自动指派.     

运用改进的SPEA2算法优化网格工作流调度方法

提出了一种QoS约束的多目标优化的网格工作流调度算法ISPEA2,该算法基于表达结构丰富的AGWL网格工作流模型,在SPEA2算法中引入约束检测对网格工作流调度问题进行优化,克服了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参数较少及将多QoS参数聚合成一个单目标函数进行优化调度的缺陷,可供决策者根据用户的实际需求从产生的Pareto优化解集中选择最终的满意解。通过与采用原SPEA2设计的网格工作流调度算法OSPEA2的比较,表明ISPEA2算法所获得的Pareto优化解集都是满足QoS约束的非支配解,且获得了更优的平均结果。     

基于时间自动机的实时工作流时序约束一致性验证

提出一种基于时间自动机的实时工作流时间建模与验证方法.该方法首先将实时工作流的时间工作流图转换成时间自动机模型,再利用时间自动机的机制验证其时序约束一致性.     

能耗约束下基于预算等级的调度长度最小化算法

为了解决异构云系统中能耗约束条件下的调度长度最小化问题,提出了一种新颖的预算等级（BL）能耗预分配策略,并设计了一种能耗约束下最小化调度长度算法（BLMSL）,BLMSL算法包含任务优先级队列建立、任务能耗约束预分配、最佳处理器与频率组合选择3个阶段。在Epigenomics和LIGO两类科学工作流上进行实验,结果表明,在满足能耗约束的前提下,BLMSL算法相比当前最先进的启发式算法能获得更小的调度长度,具有明显优势。     

网络环境下一个基于服务的工作流管理系统

网格环境是一个分布、动态、异构的环境,在这样的环境里,对服务进行很好的管理是非常重要的.本文基于网格服务,提出了一个分布式的工作流管理系统,研究了系统中的组件和一个进程的运行过程,并介绍了该系统的实现,为网格服务的商业化提供了有力的支持.