General scheduling framework in computational Grid based on Petri net

A general scheduling framework (GSF) for independent tasks in computational Grid is proposed in this paper, which modeled by Petri net and located on the layer of Grid scheduler. Furthermore, a new mapping algorithm aimed at time and cost is designed on the basis of this framework. The algorithm uses weighted average fuzzy applicability to express the matching degree between available machines and independent tasks. Some existent heuristic algorithms are tested in GSF, and the results of simulation and comparison not only show good flexibility and adaptability of GSF, but also prove that, given a certain aim, the new algorithm can consider the factors of time and cost as a whole and its performance is higher than those mentioned algorithms.

Enabling Resource Awareness in Integrated Sensor Grid Framework Using Cross Layer Scheduling Mechanism

Researches related to wireless sensor networks primarily concentrate on Routing, Location Services, Data Aggregation and Energy Calculation Methods. Due to the heterogeneity of sensor networks using the web architecture, cross layer mechanism can be implemented for integrating multiple resources. Framework for Sensor Web using the cross layer scheduling mechanisms in the grid environment is proposed in this paper. The resource discovery and the energy efficient data aggregation schemes are used to improvise the effective utilization capability in the Sensor Web. To collaborate with multiple resources environment, the grid computing concept is integrated with sensor web. Resource discovery and the scheduling schemes in the grid architecture are organized using the medium access control protocol. The various cross layer metrics proposed are Memory Awareness, Task Awareness and Energy Awareness. Based on these metrics, the parameters-Node Waiting Status, Used CPU Status, Average System Utilization, Average Utilization per Cluster, Cluster Usage per Hour and Node Energy Status are determined for the integrated heterogeneous WSN with sensor web in Grid Environment. From the comparative analysis, it is shown that sensor grid architecture with middleware framework has better resource awareness than the normal sensor network architectures.

Flexible Task Scheduling Based on Edge Computing and Cloud Collaboration

With the rapid development and popularization of 5G and the Internetof Things, a number of new applications have emerged, such as driverless cars.Most of these applications are time-delay sensitive, and some deficiencies werefound during data processing through the cloud centric architecture. The data generated by terminals at the edge of the network is an urgent problem to be solved atpresent. In 5 g environments, edge computing can better meet the needs of lowdelay and wide connection applications, and support the fast request of terminalusers. However, edge computing only has the edge layer computing advantage,and it is difficult to achieve global resource scheduling and configuration, whichmay lead to the problems of low resource utilization rate, long task processingdelay and unbalanced system load, so as to lead to affect the service quality ofusers. To solve this problem, this paper studies task scheduling and resource collaboration based on a Cloud-Edge-Terminal collaborative architecture, proposes agenetic simulated annealing fusion algorithm, called GSA-EDGE, to achieve taskscheduling and resource allocation, and designs a series of experiments to verifythe effectiveness of the GSA-EDGE algorithm. The experimental results showthat the proposed method can reduce the time delay of task processing comparedwith the local task processing method and the task average allocation method.

低碳综合能源系统研究框架与关键问题研究综述

低碳综合能源系统是融合多种低碳技术和措施、集成灵活性资源、促进清洁能源消纳、降低碳排放的多能源系统,是实现“双碳”目标的物理载体。首先,从能源转型的宏观战略、物理载体和低碳技术角度论证了低碳综合能源系统是能源转型的有效路径,归纳了低碳综合能源系统的定义与特征内涵;然后,构建了低碳综合能源系统的研究框架,从源-网-荷-储及碳捕集等环节挖掘了低碳综合能源系统的减排潜力;为了充分发挥低碳综合能源系统的低碳优势,从协同规划与优化调度、市场机制等角度提炼了低碳综合能源系统的几个关键问题;最后,聚焦提炼的协同优化关键问题,从研究现状、面临问题和研究展望等方面进行了阐述,以期为能源系统的低碳发展提供参考。

GNNSched:面向GPU的图神经网络推理任务调度框架

由于频繁的显存访问,图神经网络GNN在GPU上运行时往往资源利用率较低。现有的推理框架由于没有考虑GNN输入的不规则性,直接适用到GNN进行推理任务共置时可能会超出显存容量导致任务失败。对于GNN推理任务,需要根据其输入特点预先分析并发任务的显存占用情况,以确保并发任务在GPU上的成功共置。此外,多租户场景提交的推理任务亟需灵活的调度策略,以满足并发推理任务的服务质量要求。为了解决上述问题,提出了GNNSched,其在GPU上高效管理GNN推理任务的共置运行。具体来说,GNNSched将并发推理任务组织为队列,并在算子粒度上根据成本函数估算每个任务的显存占用情况。GNNSched实现了多种调度策略来生成任务组,这些任务组被迭代地提交到GPU并发执行。实验结果表明,GNNSched能够满足并发GNN推理任务的服务质量并降低推理任务的响应时延。

基于多阶段调度框架的麻雀搜索优化算法

本文提出一种多阶段调度框架,实现对麻雀种群的初始位置、觅食、侦查与反捕食不同阶段的多策略调度.利用Halton序列与Tent映射提升种群个体质量与初始位置的分布均匀性.在觅食阶段,针对发现者与加入者因位置争夺导致种群质量劣化,设计最佳适配比调控二者数量关系,对超出适配比的加入者采用碰撞反弹算子改变其优化轨迹.满足适配比后则通过侦查判断是否存在天敌,若有则进入反捕食阶段,并利用Levy飞行并结合指数分布设计随机迁移机制,生成潜在的全局最优解区域;当连续多次没有发现天敌时为避免种群陷入局部极值,建立模拟预警机制并采用蝗虫算法进行多路径开发,避免寻优方向单一化.不同策略与机制的交替运行、协同调度,平衡了算法的多样性与收敛性.实验结果表明,与最近麻雀变体算法和元启发改进算法相比,该算法在寻优效率与收敛精度上显著优于对比方法.

基于“双碳”目标的移动应用开发思路及任务调度框架研究

针对手机移动应用领域实现节能减排的问题从移动应用研发和设计角度出发,分析导致耗能的主要因素,从CPU计算、I/O处理、网络传输、定位及动作等维度提出降低手机功耗的优化思路;在当前主流的微服务及容器化架构基础上,以FCFS+SJF为任务排序原则,以AHP模型为任务和资源匹配算法,设计移动应用任务调度效果更优的框架。结果表明:研究在手机端实现了4.8%的节能优化,对于服务器端,在企业级业务量大或高并发的情况下具备明显的节能优化效果;所提任务调度优化框架相较于同类历史算法具备更好的能耗调优效果。研究成果对于“双碳”目标具有较好的推动作用,对于移动应用研发设计领域有一定的借鉴价值。

Load balancing framework for actively replicated servers

This paper focuses on solving a problem of improving system robustness and the efficiency of a distributed system at the same time. Fault tolerance with active replication and load balancing techniques are used. The pros and cons of both techniques are analyzed, and a novel load balancing framework for fault tolerant systems with active replication is presented. Hierarchical architecture is described in detail. The framework can dynamically adjust fault tolerant groups and their memberships with respect to system loads. Three potential task scheduler group selection methods are proposed and simulation tests are made. Further analysis of test data is done and helpful observations for system design are also pointed out, including effects of task arrival intensity and task set size, relationship between total task execution time and single task execution time.

智算操作系统发展路径研究

当前,人工智能作为信息产业新质生产力的典型代表,已成为世界主要国家提升国家竞争力、维护国家安全的重大战略,而算力短缺正在成为制约我国人工智能发展的关键瓶颈。针对目前国产化算力存在的生态碎片化问题,提出打造以具备AI增强的通用服务器操作系统为基础、以智算平台为使能的智算操作系统,更好地支持AI应用的开发和运行,以满足我国人工智能发展的算力需求。围绕智算平台的重要组成部分,详细说明了异构资源调度器和AI编程框架的国内外发展现状,同时对异构算力的管理调度与分布式训练的发展情况进行了分析。在阐述国内外AI服务器市场情况和异构算力资源管理已成现实的基础上,指出我国AI算力发展的现状,并通过系统梳理我国对操作系统发展的相关支持政策,进一步印证了研制智算操作系统的可行性和必要性。继而重点解析了智算操作系统两大组成部分通用服务器操作系统的AI增强和智算平台的主要功能,对智算操作系统的技术突破和创新发展提出了建议。

多智能物资运送小车协同控制的任务分配

针对进一步提升物资运送智能车的使用效率及多智能体协作任务分配不合理问题,提出一种基于区域划分拍卖算法的多车协同控制的任务分配策略。首先,对已知环境根据任务的密集程度进行区域划分,实现全局环境的任务处理。其次,按任务类型划分不同的处理方式,即局部任务通过使用优化的拍卖算法处理任务,进而提高多车协同的使用效率;全局跨区域任务使用二层框架完成点对点任务处理。最后,在全局已知的环境下进一步仿真算法,对比打击类型无人机的任务分配算法。结果表明,该算法的性能对智能车使用效率更高、任务的承载能力更强、任务分配策略更合理,在对多车协同控制解决任务分配的问题上能高效实施,简化复杂的任务分配过程。

面向网络化无人机集群的计算换通信分布式任务调度方法

针对网络化无人机集群任务自主协同问题以及市场竞拍法的优缺点,提出“计算换通信”思想及其相应的分布式任务调度方法。通过对显式和隐式冲突任务的分析,建立任务相关智能体集合。提出基于任务抑制的局部优化方法,用于提前消解部分任务冲突,以减少算法迭代次数。设计基于历史竞标信息的智能体位置推断法,为局部优化提供必要的信息输入。基于组网仿真平台与集群救援场景开展蒙特卡罗仿真实验,结果表明,相比于市场竞拍法中具有代表性的基于共识的捆绑算法和性能影响算法,所提方法能够获得更少的迭代次数、更短的收敛时间以及更优的调度性能。

基于MVC框架的教学管理信息智能调度平台

由于现有教学管理信息调度平台未考虑人机交互目标,导致动态负载均衡效率较低。因此,设计基于MVC框架的教学管理信息智能调度平台。创建一种符合分布式环境的信息访问请求并行调度算法,利用二次调度分配手段实现信息智能调度;运用MVC框架交互性特征,构建平台软件结构,采用不同模块建立教学管理信息智能调度平台。实验结果表明,所建平台具有极强的“健壮性”特征,其动态负载均衡效率、并行效率和加速比都较高。由此可见所建平台可保持优秀的调度性能,能够妥善解决课程调课与教室分配等问题。

浐灞河库坝联合调度系统论证分析和应用

为了构建浐灞河流域库坝群联合调度模型,采用协同粒子群算法求解水景观运行方案,在对比分析不同情景组合情况下提出水景观运行的下泄和补水方式;建立降雨产汇流河系连续演算模型并进行率定验证,利用遍历算法、自下到上反推控制坝调度方式;采用水动力模型模拟流动、水质模型模拟污染物的迁移扩散推算水质净化情况;建立泥沙运移、推移质和悬移质沉降等模型,推算泥沙沉降情况。接入水文、气象、雨量、水质、库坝、监控、视频等数据,搭建水情系统、水质预警系统、洪水预报、景观坝过流、联合调度等模型,形成联合调度平台。结果表明:多年来平台运行稳定,实现了预报、报警、预演、预案即“四预”功能的智慧水利体系,达到了水质水量的精准调度。

求解柔性分批调度问题的双层搜索框架入侵杂草算法

针对柔性作业车间分批调度问题,提出一种双层搜索框架下的改进入侵杂草算法,以获得理想的分批调度方案。首先提出融合批次批量、工序排列和加工机器信息的3层基因编码;其次设计一种双层搜索优化框架,先通过分批搜索层进行柔性批量划分,再采用排序搜索层迭代优化获取分批调度方案。在分批搜索层中,基于工序平均工时缩小分批的解空间,提出随机数字分割法用以生成分批方案;在排序搜索层中,采用入侵杂草算法实现迭代优化,同时设计了分层初始化方法、混合机器选择策略和3种局部搜索算子,以提升算法搜索能力,并避免陷入局部最优。最后以最大完工时间为评价指标,从性能实验分析、框架实验验证和实例实验验证3个维度验证了所提算法的优越性和可行性。

基于边缘云的动态和抢占式任务卸载调度算法研究

边缘云计算系统被广泛用于支持各种计算服务。针对边缘云计算环境中的任务卸载调度问题,考虑边缘云系统下的动态性和抢占式任务卸载调度,提出一个基于贪婪模拟退火启发式算法的在线卸载框架(SAOF),根据任务所需的传输延迟以及计算时间,进行周期性的卸载和调度计算,考虑独立任务的随机到达性和资源的异构性,动态地将新到达的任务分配到合适的目的地(边缘服务器或云服务器),并根据每个任务的延迟敏感性,抢占式地为其分配计算资源,使所有任务的总加权响应时间最小化。最后,在多组参数组合下生成测试实例并进行性能评估实验,将SAOF算法与3种优秀的卸载调度优化算法(Selfish算法、Nearest算法和OnDisc算法)进行对比,实验结果表明,SAOF算法能更有效降低所有任务的总加权响应时间。

Fully Distributed Risk-based Robust Reserve Scheduling for Bulk Hybrid AC-DC Systems

To enhance the cost-effectiveness of bulk hybrid AC-DC power systems and promote wind consumption,this paper proposes a two-stage risk-based robust reserve scheduling(RRRS)model.Different from traditional robust optimization,the proposed model applies an adjustable uncertainty set rather than a fixed one.Thereby,the operational risk is optimized together with the dispatch schedules,with a reasonable admissible region of wind power obtained correspondingly.In addition,both the operational base point and adjustment capacity of tielines are optimized in the RRRS model,which enables reserve sharing among the connected areas to handle the significant wind uncertainties.Based on the alternating direction method of multipliers(ADMM),a fully distributed framework is presented to solve the RRRS model in a distributed way.A dynamic penalty factor adjustment strategy(DPA)is also developed and applied to enhance its convergence properties.Since only limited information needs to be exchanged during the solution process,the communication burden is reduced and regional information is protected.Case studies on the 2-area 12-bus system and 3-area 354-bus system illustrate the effectiveness of the proposed model and approach.

面向资源约束项目调度的二阶段帝国竞争算法

资源约束项目调度问题是一类经典的组合优化难题,有着广泛的工程应用背景。自20世纪60年代起,该问题的优化方法层出不穷,但大多数智能优化算法在该问题空间中搜索表现一般。针对这一挑战,提出了一种二阶段演化帝国竞争算法(TSE-ICA)。首先,基于由关键路径法得到的组块提取策略,提出两种分别用于种群多样性开发和高效收敛的同化算子,通过在不同阶段选择合适的同化算子实现二阶段演化框架的构建。其次,基于组块的改进革命机制包含插入和乱序两种邻域搜索策略,帝国竞争机制则通过收集不同帝国的收敛信息实现参数的自适应调整;最后,利用记忆库引导种群进化,提高算法的收敛速率。TSE-ICA的最佳参数设置由Taguchi法的实验设计方法确定。数值实验面向典型实例库PSPLIB中的3个实例集J30、J60和J120对TSE-ICA执行了性能测试,并基于两种评价标准与17种先进的元启发式算法进行性能对比。实验结果显示,TSE-ICA具有较好的优化性能和收敛效率,初步验证了所提改进机制的有效性和所提算法的问题适用性。

基于数据的复杂制造过程调度

现代制造企业规模庞大、过程复杂等特征给制造过程的调度决策带来了极大的挑战.一方面,使用传统方法建立指导生产过程调度的精确数学模型变得越来越困难;另一方面,因缺乏准确、及时的模型参数而往往导致低下的模型使用效果.在此情况下,基于数据–信息–知识–决策的信息提炼轨迹,有必要探寻新的基于数据的复杂制造过程的调度理论与方法.在综述国内外相关研究的基础上,提出了由数据层与模型层构成的基于数据的复杂制造过程调度架构,并对该结构框架下的相关理论、方法及实施技术进行了探讨.

基于J2EE核心模式的组合Web框架研究

在研究多种J2EE Web框架和J2EE核心模式的基础上,提出了一种基于J2EE核心模式的组合Web框架——CWFBP(Composite Web Framework based on core J2EE Patterns)模型.框架采用分层体系架构,集成了开源的J2EE Web框架和持久层框架,并在表示层和业务层综合应用多种J2EE核心模式,实现了层次之间和业务层内部的松散耦合,提高了系统的可复用性和开放性.研究了N层计算模式、AJAX和正则表达式等在模型中的应用.采用CWFBP进行软件架构,设计实现了三峡——葛洲坝水利枢纽通航调度系统.系统运行实践表明了CWFBP的正确性和有效性.

数控系统软件模块实时调度方法

给出只需在最终运动控制中精确定时,在软件中实行以资源(数据)为约束的模块调度方式,并使得软件计算处理得到的数据能够实时地满足运动控制的需求。基于此思想,首先给出软件数控的结构模型,描述系统的运行框架、模块组成、功能划分,并且制定系统运行状态和实时模块的初始配置逻辑。然后基于对微机及Windows系统的实时调度性能分析,给出以任务服务为调度中心,运动控制卡通信信号定时触发的软件实时调度框架,结合数据资源约束建立任务服务模型,并给出实时模块运行的调度算法。最后根据该框架开发基于PC的软件数控试验系统,并且对插补、仿真和数控系统的实时性进行分析。证明该方法的适用性。