用随机模糊方法研究合理确定工程项目工期

站在兼顾业主与建造商的公正立场,基于网络优化技术基础上并以系统的观点,采用随机模糊数学方法研究合理确定项目工期,进而用实际项目进行分析验证,是一种科学合理确定工期的方法.     

QoS约束的云工作流调度算法

将云计算和工作流两者结合起来,并根据用户关心的QoS中执行时间和执行费用问题,针对工作流调度策略在云环境下调度实例密集型工作流时效率不高的问题优化资源调度策略,给出云工作流调度模型,提出一种基于QoS约束的云工作流调度算法MSCWQ(modifiedschedulingalgorithmforcloudworkflowbasedonQoS).该算法利用DAG(directedacyclicgraph)进行建模,优化资源策略,保证在最晚结束时间内使整个工作流实例的执行费用尽可能小.实验结果表明,在调度实例密集型云工作流时,该算法能有效提升科学工作流的执行效率,并能减少资源的使用费用.     

反馈调度减少实时控制任务的输出抖动

提出一种反馈调度的方法在线调节控制任务的截止时限,从而减少输出抖动．反馈控制器采用比例算法,通过对其参数的自调整以动态满足整个任务集的可调度性．控制算法被公式化为一个截止时限分配表达式．仿真结果验证了该方法的有效性．     

一种基于需求的实时事务广播调度策略

为响应最多事务请求和满足定时限制的要求,提出了一种按需广播的实时事务广播调度策略.该实时调度策略分为两个阶段,第一阶段根据截止期、数据项的请求个数计算每一个用户请求的优先权,从中选择最高优先权值的事务请求;第二阶段确定广播数据项的顺序.实验结果表明,在减少截止错失率和算法调度有效率方面,它比现有的SIN和EDF-T有明显的优越性.     

一种实时的嵌入式Linux调度策略

随着Linux广泛应用于嵌入式系统、实时控制等领域,增强Linux内核的实时性变得尤为重要。Linux2.6内核加入了抢占点,可以最大限度地降低内核不可抢占的时间间隔,但嵌入式系统实时性要求较高,因此基于嵌入式Linux(裁减的Linux2.6内核),分析实时调度策略,提出改进的实时调度策略IPEDF,该策略吸取了截止期最早最优先算法的优点,使内核可以在任何时间被抢占。最后对嵌入式Linux和基于IPEDF的嵌入式Linux进行测试,结果表明后者的任务响应时间少,从而进一步提高了嵌入式Linux2.6的实时性。     

基于协同环境的混合实时任务调度模型

针对协同处理应用的混合实时任务调度需求,提出了基于预取时间的虚拟服务器调度模型,给出了模型调度中的相关算法,论证了算法的可调度性.该算法基于资源划分补给策略,可以实现多种调度算法在同一个实时调度系统中的并发工作.实验结果表明该模型具有很好的调度效果.     

基于时限单调算法的混合任务实时调度算法的研究与设计

周期任务与非周期任务的混合调度是实时调度研究的一个重要方向。针对现代嵌入式实时系统的任务特性,和经典实时调度算法只调度周期任务的特点,提出一种新的静态优先级调度算法——混合任务时限单调算法(Periodic and Aperiodic Deadline Monotonic,PADM)。该方法结合时限单调(DM)算法和先来先服务(FCFS)算法,将非周期任务量化为周期任务,且非周期任务在其裕度为零时优先级最高。通过理论分析和具体实验比较,在任务集轻载情况下,PADM算法尽可能地保证周期任务的完成率和非周期任务的时限,同时所带来的额外开销小,计算复杂度低,实现方便,是一种有效的混合任务调度算法。     

具有预约到达时间的平行机在线排序问题研究

以现代服务业预定系统中的实际问题为背景,研究了一类具有预约到达时间和最迟完工时间的在线排序问题;论证了两台机器时该问题的在线算法竞争比下界为2;在传统在线排序算法的基础上提出了针对该问题的在线贪婪算法,并分析了该算法的竞争比.     

An Adaptive Genetic Algorithm for Multiprocessor Real-time Task Scheduling

Real-time task scheduling is of primary significance in multiprocessor systems. Meeting deadlines and achieving high system utilization are the two main objectives of task scheduling in such systems. In this paper,we represent those two goals as the minimization of the average response time and the average task laxity. To achieve this, we propose a genetic-based algorithm with problem-specific and efficient genetic operators. Adaptive control parameters are also employed in our work to improve the genetic algorithms' efficiency. The simulation results show that our proposed algorithm outperforms its counterpart considerably by up to 36% and 35% in terms of the average response time and the average task laxity,respectively.     

Asset-selling problem with an uncertain deadline,quitting offer,and search skipping option

This paper presents a discrete-time sequential stochastic asset-selling problem with an infinite planning horizon, where the process of selling the asset may reach a deadline at any point in time with a probability. It is assumed that a quitting offer is available at every point in time and search skipping is permitted. Thus, decisions must be made as to whether or not to accept the quitting offer, to accept an appearing buyer’s offer, and to conduct a search for a buyer. The main purpose of this paper is to clarify the properties of the optimal decision rules in relation to the model’s parameters.