基于改进蚁群算法的自适应云资源调度模型研究

对于传统蚁群算法用于云计算资源分配和调度问题过程中存在的不足,提出了一种可以提高负载均衡度、缩短任务执行时间、降低任务执行成本的改进自适应蚁群算法,改进算法以能够基于用户提交的任务求解出执行时间较短、费用较低,负载率均衡的分配方案为目标,通过CloudSim平台对传统蚁群算法、最新的AC-SFL算法、改进自适应蚁群算法进行仿真实验对比。实验数据表明,改进后的自适应蚁群算法能够快速找出最优的云计算资源调度问题的解决方案,缩短了任务完成时间,降低了执行费用,保持了整个云系统中心的负载均衡。     

基于自适应容错机制的网络资源调度平台的设计

网络资源调度过程中存在多处理机同时发生故障的情况,传统方法在处理多处理机发生故障时,主要分析执行时间和通信时间,未对资源调度的稳定性进行考虑,资源调度存在较高的误差。为了有效解决资源调度过程中存在的故障问题,设计了基于自适应容错机制的网络资源调度平台。该平台具有网络资源发现、网络网络资源预约、网络资源动态信息查询以及资源调度运行时监控等功能。网络资源调度模块的错误检测服务包括进程监控模块、汇总模块、错误评估模块以及报警模块。通过自适应错误检测算法,对网络资源调度进程中的错误进行检测,并采取对应的解决措施,确保资源调度的顺利运行。实验结果说明,所设计调度平台在进行资源调度过程中,网络利用率、调度性能以及可靠性都较优。     

基于非贡献网格的自适应任务调度算法研究

针对传统的Min-Min算法的高效特性和Max-Min算法的负载平衡特性,引入了资源的服务代价属性和任务的请求代价属性,以提高任务调度的时间跨度性能为目标,提出了一种面向非贡献网格(No-dedicated Grid)的自适应任务调度策略(No-dedicated Adaptive Min-Min and Max-Min,NDA-MM)。实验表明,该算法在时间跨度和可扩展性等方面的综合性能较以往算法有较大提高。     

基于蚁群算法的云计算自适应任务调度研究

为了解决蚁群算法在解决云计算中大规模任务调度问题时收敛速度较慢且易陷入局部最优解的缺陷,设计了一种基于蚁群算法的云计算自适应任务调度算法,该算法在多态蚁群算法的基础上加入了信息素自适应更新调整机制,用来提高算法的收敛速度,有效地避免的局部最优解的出现。实验数据表明,在解决大规模任务调度问题时本文算法性能更好。     

一种基于改进蚂蚁算法的网格任务调度策略

网格是分布式高性能计算的一个主要发展方向。任务调度问题的解决是网格得以充分发展的基本前提。提出了一种基于改进蚂蚁算法的网格任务调度策略。不同于传统蚂蚁算法,改进的蚂蚁算法通过在处理任务前后分别调整信息素来准确地反映资源的性能。任务调度将选择由改进蚂蚁算法产生的性能最佳的资源来处理任务。改进蚂蚁算法以及任务调度策略的有效性已被OPNET上的仿真结果所验证。     

MapReduce模型的调度及容错机制研究

MapReduce是一种并行编程模型,可以用来处理和生成大量数据集。它的调度以及容错机制是模型的重要一部分。通过对MapReduce模型的执行过程进行分析,提取得到其上面的调度以及容错模型。并将P2P模型中常用的调度思想使用于MapReduce调度模型上,对原来的调度机制和容错机制做一定的修改。     

基于蚂蚁算法的网格作业调度研究

网格环境下的作业调度是一个NP难问题,蚂蚁算法内在的并行性和可扩充性使其非常适合网格作业调度。将蚂蚁算法应用于网格环境作业调度,提出一种通过作业代理的移动进行网格作业调度的方案,该蚂蚁算法不仅在分配网格计算资源时进行信息素的局部更新,还在网格计算资源完成作业后进行信息素的整体更新。通过模拟实验测试和选取蚂蚁算法的各种影响参数,取得了比较理想的实验结果。实验证明该算法能够有效地实现作业的合理调度和网格系统的负载平衡。     

基于自适应算法的实时系统调度问题研究

本文提出了在单处理器环境下,可抢占式任务进行周期性调度的一种算法。仿真实验结果表明,这种算法在系统没有超载情况下对于单处理器、可抢占式的环境是比较理想的。在系统超载情况下,最早截止期最先算法(earliest deadline first,EDF)不能很好地工作,而基于蚁群的调度算法(ant colony optimization,ACO),会付出更多的执行时间,这是这两种算法的局限性。采用本文提出的基于蚁群的改进调度算法在正常负载下,执行时间几乎与最早截止期最先算法一样;在超载情况下跟其他算法比较具有更高的效率。     

自适应容错技术在铁路信号监控中的应用

铁路信号监控系统只有满足监控信息准确,才能保证行车控制的正确性和安全性。提出一种基于自适应容错技术的系统设计方案,该方案通过容错技术在系统发生故障时可自行启动备用构件,使得系统仍能按照原定性能指标完成系统任务,通过这种方式可实现信号监控系统安全性。最后,文中通过实验验证了研究工作的有效性和可行性。     

基于检查点算法的网格计算容错机制研究

文章设计了一个基于网格计算的任务迁移与恢复模型，指出了该模型的各模块功能架构．并进一步分析和比较了该模型容错的检查点存储方式及其信息编码算法，最后通过实现一个基于Checksum算法的容错CG求解器实例表明相关理论的有效性。     

多功能相控阵雷达自适应调度算法研究

由于阵列天线的波束捷变能力 ,多功能相控阵雷达可对多个目标交替进行搜索、验证、跟踪等工作方式的操作。为此 ,需要一种调度策略以有效地分配雷达时间和能量等资源 ,达到优化雷达整体性能的目的。针对多功能相控阵雷达 ,在分析自适应调度算法的设计原则基础上提出一种自适应调度算法 ,并给出具体的性能评估指标。算法能够根据雷达事件的优先级、驻留长度、期望发射时间及时间窗合理地安排一个调度间隔内的雷达事件序列 ,仿真结果验证了调度算法的有效性。     

树形网格自适应调度模型研究

提出一种基于树形计算网格的自适应调度模型,实现对小粒度独立任务和用户大作业的自适应最优调度.通过对网格环境的实时检测,给出了基于节点负载状况、节点任务执行时间和任务特性的自适应调度算法.实验证明该任务调度模型在负载平衡和容错方面具有良好的性能.     

基于TD-LTE系统的自适应调度技术研究

随着移动通信技术的飞速发展,LTE技术作为移动通信系统的主要演进方向,以其高速率、低时延的特点,越来越受到世界各大主流运营商和设备厂商的广泛关注。由于OFDM和MI-MO等先进技术的引入,使LTE系统的资源分配具有很大的灵活性,但是,面对这样灵活的系统,如何高效地利用这些时频资源,有效提高LTE系统的频谱效率,还有很多...     

无线Mesh网络中的自适应队列调度算法研究

针对无线mesh网络的网络特性,分析了无线网络中的队列调度算法,提出了一种自适应的队列调度算法AQSM,详细讨论了该算法的具体实现过程及参数变化规则,通过仿真验证了该算法在提高网络性能的同时还可以实现对不同业务流的业务区分。     

基于蚁群的云计算资源调度研究

针对云计算环境中资源调度的问题,提出了一种基于改进蚁群的云计算资源调度算法。在算法中添加了查找表,存储其他蚂蚁推荐的节点。当任务分类比较明确的时候,查找表的优点更加地突出。在信息素的计算中加入了成功率因子,成功率越高的节点被选中的概率就越大。本文使用Cloud Sim对算法进行了仿真,仿真结果表明提出的算法缩短了搜寻资源节点的时间,从而使任务可以更快地获得资源并执行,保证了任务能够按时完成。     

云计算环境下任务调度算法的研究

在云计算环境中存在庞大的任务数,为了能更加高效地完成任务请求,如何进行有效地任务调度是云计算环境下实现按需分配资源的关键。针对调度问题提出了一种基于蚁群优化的任务调度算法,该算法能适应云计算环境下的动态特性,且集成了蚁群算法在处理NP-Hard问题时的优点。该算法旨在减少任务调度完成时间。通过在CloudSim平台进行仿真实验,实验结果表明,改进后的算法能减少任务平均完成时间、并能在云计算环境下有效提高调度效率。     

校园计算网格作业自适应调度的研究和实现

由于网格资源具有分布、异构、动态、自治等特性。使得网格作业调度成为网格计算中具有挑战性的任务之一。针对校园高性能计算资源负载不均衡、管理模式不统一的问题，提出了校园计算网格自适应调度系统的解决方案。详细研究了网格作业的白适应调度技术，设计了含有负载均衡能力的资源动态信息收集模型，并给出自适应调度算法。实现了校园范围内高性能计算资源的负载均衡和统一的资源管理。