分布式任务调度与副本复制集成策略研究

研究了分布式任务调度和副本复制集成体系结构,并提出了基于博弈理论的分布式副本复制模型及相应算法--Best-Reply算法,最后通过仿真实验与其他4种算法进行比较.结果表明,尽管分布式的在线任务调度算法与Best-Reply算法集成策略与集中式的集成策略相比其任务平均完成时间稍高,但是它对存储空间的敏感度较低,网络负载更稳定,因此完全可以替代现有集中式的任务调度和副本复制集成策略.     

基于风险估计模型的网格任务动态级调度算法

网格中的各种资源的失效是不可避免的,为尽可能减少由于资源失效导致任务执行失败带来的影响,网格的任务调度算法的目标不仅要最小化任务执行的时间,还要兼顾考虑任务在资源上执行失败的风险。提出了Risk—DLS（Dynamic Level Scheduling）算法是将资源的风险估计模型与DLS算法相结合,通过仿真试验与DLS算法相比较,新算法在选择适当的参数的情况下,不仅能够最小化DAG型应用的完成时间,还能提高任务执行的成功率,有效的减少网格环境的不确定性对任务执行的影响。     

分布式智能化网络信息体系研究

针对强敌大规模快速精确打击给体系抗毁和高效决策带来的挑战,分析了"马赛克战"、"决策中心战"等分布式体系智能化运用相关作战概念,基于系统碎片化汇聚和体系智能驱动思路,提出了分布式智能化网络信息体系设计理念、总体架构、运作机理和关键技术,为网络信息体系顶层规划和建设提供参考.     

基于Nash均衡的网格多调度节点的任务调度算法

 目前网格任务调度算法主要是针对1×n型即单调度节点多资源的网格环境,而针对m×n型的网格环境研究较少.论文用M/M/1排队系统对m×n型网格环境建模,然后以每个调度节点调度任务的平均完成时间为优化目标,提出了m×n型网格环境任务调度的Nash均衡问题,并利用粒子群算法求得该Nash均衡解.通过仿真验证了该算法在单位时间内平均完成的任务数,网络平均负载,以及系统的平均负载上均优于基于均匀调度策略的调度算法.