Hybridization of Metaheuristics Based Energy Efficient Scheduling Algorithm for Multi-Core Systems

The developments of multi-core systems(MCS)have considerably improved the existing technologies in thefield of computer architecture.The MCS comprises several processors that are heterogeneous for resource capacities,working environments,topologies,and so on.The existing multi-core technology unlocks additional research opportunities for energy minimization by the use of effective task scheduling.At the same time,the task scheduling process is yet to be explored in the multi-core systems.This paper presents a new hybrid genetic algorithm(GA)with a krill herd(KH)based energy-efficient scheduling techni-que for multi-core systems(GAKH-SMCS).The goal of the GAKH-SMCS tech-nique is to derive scheduling tasks in such a way to achieve faster completion time and minimum energy dissipation.The GAKH-SMCS model involves a multi-objectivefitness function using four parameters such as makespan,processor utilization,speedup,and energy consumption to schedule tasks proficiently.The performance of the GAKH-SMCS model has been validated against two datasets namely random dataset and benchmark dataset.The experimental outcome ensured the effectiveness of the GAKH-SMCS model interms of makespan,pro-cessor utilization,speedup,and energy consumption.The overall simulation results depicted that the presented GAKH-SMCS model achieves energy effi-ciency by optimal task scheduling process in MCS.

Applying Job Shop Scheduling to SMEs Manufacturing Platform to Revitalize B2B Relationship

A small and medium enterprises(SMEs)manufacturing platform aims to perform as a significant revenue to SMEs and vendors by providing scheduling and monitoring capabilities.The optimal job shop scheduling is generated by utilizing the scheduling system of the platform,and a minimum production time,i.e.,makespan decides whether the scheduling is optimal or not.This scheduling result allows manufacturers to achieve high productivity,energy savings,and customer satisfaction.Manufacturing in Industry 4.0 requires dynamic,uncertain,complex production environments,and customer-centered services.This paper proposes a novel method for solving the difficulties of the SMEs manufacturing by applying and implementing the job shop scheduling system on a SMEs manufacturing platform.The primary purpose of the SMEs manufacturing platform is to improve the B2B relationship between manufacturing companies and vendors.The platform also serves qualified and satisfactory production opportunities for buyers and producers by meeting two key factors:early delivery date and fulfillment of processing as many orders as possible.The genetic algorithm(GA)-based scheduling method results indicated that the proposed platform enables SME manufacturers to obtain optimized schedules by solving the job shop scheduling problem(JSSP)by comparing with the real-world data from a textile weaving factory in South Korea.The proposed platform will provide producers with an optimal production schedule,introduce new producers to buyers,and eventually foster relationships and mutual economic interests.

Parallel scheduling strategy of web-based spatial computing tasks in multi-core environment

In order to improve the concurrent access performance of the web-based spatial computing system in cluster,a parallel scheduling strategy based on the multi-core environment is proposed,which includes two levels of parallel processing mechanisms.One is that it can evenly allocate tasks to each server node in the cluster and the other is that it can implement the load balancing inside a server node.Based on the strategy,a new web-based spatial computing model is designed in this paper,in which,a task response ratio calculation method,a request queue buffer mechanism and a thread scheduling strategy are focused on.Experimental results show that the new model can fully use the multi-core computing advantage of each server node in the concurrent access environment and improve the average hits per second,average I/O Hits,CPU utilization and throughput.Using speed-up ratio to analyze the traditional model and the new one,the result shows that the new model has the best performance.The performance of the multi-core server nodes in the cluster is optimized;the resource utilization and the parallel processing capabilities are enhanced.The more CPU cores you have,the higher parallel processing capabilities will be obtained.

Uncertain optimal model and solving method to platform scheduling problem in battlefield

The platform scheduling problem in battlefield is one of the important problems in military operational research.It needs to minimize mission completing time and meanwhile maximize the mission completing accuracy with a limited number of platforms.Though the traditional certain models obtain some good results,uncertain model is still needed to be introduced since the battlefield environment is complex and unstable.An uncertain model is prposed for the platform scheduling problem.Related parameters in this model are set to be fuzzy or stochastic.Due to the inherent disadvantage of the solving methods for traditional models,a new method is proposed to solve the uncertain model.Finally,the practicability and availability of the proposed method are demonstrated with a case of joint campaign.

面向综合能源协调的虚拟电厂调控平台设计与规划优化

为解决综合能源协调调度难题,文章提出了基于虚拟电厂调控平台设计和综合能源协调调度模型。通过分析虚拟电厂的基本网架结构,设计了虚拟电厂总体架构,分为资源层、平台层和应用层,并设计了网络架构和数据流架构。基于该架构建立了面向综合能源协调的虚拟电厂调度应用模型。针对模型内光伏、风力发电、电解器、燃料电池、氢气储能、电池储能,以可靠性指标作为切入点,提出了全生命周期内成本最小的目标函数。通过算例分析,验证了文章所提出的模型在可靠性和成本方面的优势。

外卖平台在线订单分配及骑手调度优化

新兴技术(大数据/人工智能/移动互联网等)的发展和本地生活服务O2O(Online to Offline)商业模式兴起,催生了即时配送新兴物流形态,而外卖配送平台线上强履约要求成为即时配送业务痛点之一.考虑了实时外卖订单和动态变化的骑手等因素,将问题建模为带取送约束和时间约束的实时车辆调度优化问题.基于滚动时域机制将连续时间的动态问题划分为一系列离散静态子问题,设计了邻域搜索启发式算法进行求解.最后,基于大连市某外卖平台的订单业务数据对算法进行了验证,与已有文献中的方法相比,算法能有效降低平均配送时间及超时订单数量,在大规模问题场景下求解算法对平台履约影响更大,高效的调度优化算法有利于外卖平台降本增效.

气象大数据云平台仿真环境容器调度性能优化研究

为实现2025年气象关键核心技术自主可控的目标,气象大数据云平台(简称天擎)建立了基于海光X86服务器和麒麟操作系统的仿真环境。在仿真平台运行中发现,基于容器技术的产品加工与流水线子系统容器调度性能较差,不能满足用户融入算法的时效要求。针对此问题,本文采用对比分析法,选取天擎仿真环境和业务环境的3种CPU芯片服务器和3种操作系统为研究对象,设计了一系列组合对比测试用例,找到了影响容器调度性能的关键因素—操作系统内核,并进一步分析了操作系统内核设置对系统实时性和吞吐量的影响以及适用的业务场景。最后给出了麒麟操作系统内核调整方法,通过调整内核设置,容器调度性能大幅提高,满足了产品加工系统的时效要求,为实现天擎的关键核心技术自主可控奠定基础。

水光互补一体化管控平台的设计研究

为了实现梯级水电站与光伏电站的协同优化运行,提高水电、光伏发电等可再生能源的利用效率和系统协调的经济性,首先总结了当前水光互补一体化管控平台的发展现状,分析了新疆维吾尔自治区(下文简称“新疆地区”)太阳能资源和水资源的特点,得出新疆地区某流域光伏电站输出功率和水电输出功率的特性,并指出现有光伏电站和水电站使用智能监控平台的不足;在此基础上提出了中长期水光互补控制策略、短期水光互补控制策略和实时水光互补控制策略;最后设计了由生产运营管控平台和水光互补调度平台组成的水光互补一体化管控平台,并详细介绍了该平台的功能和实现方式。

基于改进蚁群的异构平台负载均衡调度算法

针对目前异构平台中信号处理任务的调度算法单一、处理器资源浪费等问题,提出了一种面向异构系统的Q学习改进蚁群算法的负载均衡调度算法。算法针对计算密集型和通信密集型任务的不同需求,设计了分流排序法进行任务优先级排序;通过场景适配将Q学习和蚁群算法,与异构平台中的任务调度进行映射。通过奖励函数计算Q-Table,作为蚁群算法的初始信息素,加快了蚁群的收敛速度;根据处理器的实时负载,设计负载矩阵,实现了动态调整系统负载均衡;利用伪随机比例规则选择处理器,通过任务之间的约束关系形成调度列表来完成任务的分配。最后,通过随机生成的有向无环图进行仿真实验,结果表明算法在减小最大完工时间(调度长度)和提高处理器利用率方面均有明显的改进。

面向异构处理平台任务调度的麻雀优化算法

针对当前异构信号处理平台中各处理器任务数量分配不均衡、处理器性能发挥不完全以及系统运行效率低的问题,文中提出一种面向异构处理平台的麻雀优化算法。该算法利用了麻雀算法较强的全局寻优能力和麻雀种群内部的高效工作机制。在经典麻雀算法基础上,文中提出了符合任务调度的二进制异或编解码规则,将离散的任务分配方案映射为连续的麻雀位置信息。将处理器负载均衡指数作为适应度函数,选取每次迭代中的最优解;在麻雀遍历任务时,采用任务优先级分流排序策略。对通信密集型任务和计算密集型任务采取不同的计算式得到更符合任务特点的遍历顺序,生成随机任务图,并将所提算法同ICPA(Improved Critical Path Algortthm)算法进行对比。仿真结果表明,相比于ICPA算法,所提算法的负载均衡指数平均优化率为60%,各处理器负载情况更加均衡,能更好地发挥异构处理平台的整体效能。

面向地铁客流分析场景的弹性集群云平台架构设计及部署方案

[目的]在数字化技术迅速发展的当下,云技术被广泛应用在包括地铁系统在内的各行各业。出于对乘客出行安全的保障,实现大规模客流数据的实时获取和高效分析,需要提出面向客流分析场景的弹性集群云平台方案。[方法]分析了弹性集群云平台的核心功能需求,提出了弹性集群云平台的架构,阐述了弹性集群云平台的独特能力。针对不同发展阶段的地铁系统提出了2个弹性集群云平台部署方案,分析了各部署方案的优劣。以上海地铁为例,基于能力需求对比了部署方案的投资成本。分析了弹性集群云平台架构与地铁客流分析业务特征的匹配性。[结果及结论]地铁客流分析场景具有多系统并发、实时性高、数据量大等特点。弹性集群云平台能满足客流分析业务的多种需求。

基于数据感知的气象算法调度框架设计与应用

气象产品加工任务往往由不同算法组合而成,其状态对数据源具有高依赖性。高效感知数据状态,并及时合理启动调度,对提升气象产品加工的时效性至关重要。设计并建设了基于数据感知技术的气象算法调度框架,对比测试结果分析表明:在实时分析数据源到报状态的基础上,数据感知调度实现数据到报即算法启动运行,任务调度延迟较定时调度显著降低,由3784 ms降至11 ms。数据感知调度作为气象大数据云平台加工流水线的核心能力,已在国省部署并实时运行。目前在国家级业务中支撑19种核心业务算法的高效调度,日调度次数约为6.67×10^(5),平均调度延迟为31 ms;在省级业务中支撑14种算法的高效调度,日调度次数约为8×10^(4),平均调度延迟为156 ms。此外,数据感知调度实现了气象业务上下游算法的无缝串联,可为解决气象业务间的脱节问题、提升气象业务间的协同性提供解决方案。

异构多平台信号处理任务调度研究

简单的并行计算或单一异构平台已经无法满足计算量大、复杂度高的信号处理和任务调度需求,异构多平台系统已经成为信号处理和任务调度的发展趋势。针对提高平台的吞吐量、处理器的利用率以及任务的感知等问题,文中对异构多平台信号处理模型进行了研究,并利用有向无环图对调度任务和软硬件资源建模。基于已提出的调度算法,对任务调度进行了归纳总结、对比分析,发现基于任务感知的混合调度算法能够较好地满足平台调度需求。利用基于任务感知的混合调度算法解决信号处理中的任务调度将是未来研究发展的趋势。

面向深度学习Kubernetes负载饱和调度算法设计与实现

构建深度学习云平台的基础技术Kubernetes在调度过程中使用负载均衡策略,易产生资源碎片,增加任务等待时间。Kubernetes没有考虑对GPU等外部拓展资源的评分,不能很好适应深度学习云平台的业务场景。针对以上问题提出一种负载饱和调度策略,对Kubernetes调度过程进行改进,减少资源碎片,提高资源利用率。该策略支持对用户指定的外部拓展资源进行评分,能更好适应深度学习云平台业务场景。实验结果表明,负载饱和调度策略能够减少23.40%的任务等待时间,并能将GPU利用率提升14.15%,GPU显存利用率提升6.85%。

车路协同下的无信号交叉口车辆通行调度策略

无信号交叉口车辆通行调度问题是智能交通领域的研究重点,由于车辆通行顺序决策问题的解空间随着车辆数增加而指数级增长,在保证实时性的同时找到较优通行顺序成为无信号交叉口通行调度的一大问题。针对该问题提出一种基于自适应蒙特卡罗树搜索算法的无信号交叉口车辆通行调度方法,采用分层式框架,上层集中式顺序决策,下层分布式轨迹规划。首先,建立基于冲突点的交叉口模型,将网联车加入到待搜索队列中,根据交叉口中的车辆通行特点设计通行顺序的蒙特卡罗树搜索流程,以总通行时间为指标建立评价函数,然后针对不同交通情景设计自适应探索系数及其他超参数,使算法在求解不同车辆数时以及搜索的不同时期保持最佳状态。轨迹规划环节以加速度二范数为目标函数,以速度、加速度以及始终点位置等为约束,建立最优控制命题求解车辆轨迹。最后,进行实验,结果表明该算法相较于其他算法在数值仿真和微缩平台实验中最大优化幅度分别达到33.42%和38.04%,为无信号交叉口车辆通行调度提供了一个有效解决方案。

不同跟随策略下RMFS调度问题研究

随着电商行业的快速发展,移动机器人仓储系统(robotic mobile fulfillment systems,RMFS)在现代化物流中心被广泛应用。在RMFS中,机器人在一次分拣搬运任务中,可以采用完全跟随或不跟随两种策略,即机器人可以全程跟随拣选货架直至该任务完成;或者当货架在工作站排队时机器人离开货架去执行其他任务。针对两种跟随策略下的机器人调度问题,以机器人完成批次任务的总时间最短为目标,建立了两种跟随策略下的机器人调度模型,并基于遗传算法设计了两种跟随策略下的仿真实验平台,通过仿真实验对完全跟随与不跟随两种策略下的系统性能进行了比较,得出了基于完工时间最短的跟随策略决策决策曲线,证明结合具体工况选择合适的跟随策略能够有效提高拣货系统作业效率,利用跟随策略曲线可以帮助企业进行机器人跟随策略的选择。

面向云平台的免疫多目标优化调度算法

云环境下任务之间存在多种特征,由于传统的资源分配机制存在变化和不确定等特征,容易引发负载不均衡使得调度受到制约,任务时延约束也会降低任务调度策略的利用率。针对这些问题,提出一种面向云平台的免疫多目标优化调度算法。利用Pareto支配关系,设计出云计算任务调度问题的数学模型;经过种群初始化、获得Pareto最优解、计算拥挤距离、克隆选择、重组和变异一系列操作,保持种群的多样性,实现调度的全局优化。与传统算法进行对比,实验结果表明该算法的搜索范围更广,在解的搜索广度上更加优秀,并且还有效平衡了任务执行时间和执行费用,提高了用户满意度。

低碳综合能源系统需求响应试验平台设计

随着新能源高渗透接入电网,新能源间歇性、随机性和波动性的特征,加剧了源荷的不平衡,降低了电网的可靠性。基于此,研发一套低碳综合能源系统需求响应试验平台,通过用户侧需求响应调整用电时段,缓解电网的功率波动。论文首先研究了低碳综合能源系统构建,接着分析了三种需求响应方案,进而设计了基于标准化页面的低碳综合能源系统需求响应实践平台,详细介绍了资源配置、执行启动、响应评价与数据分析等核心操作模块,该平台充分发掘新型电力系统负荷侧灵活性资源,可作电气教学和员工培训实验平台,支撑新型电力系统安全稳定运行。

面向异构信号处理平台的量子调度算法

针对异构信号处理平台中已有调度算法的调度长度较大导致信号处理应用实时性下降问题,文中提出一种面向异构信号处理平台的量子调度算法。该算法采用任务优先级分流排序策略,得到更加准确的任务调度顺序。使用量子比特对任务分配方案进行编码,增加任务分配方案的多样性,且编码规则有助于跳出局部最优找到全局最优解。按照最小计算开销原则和任务复制思想进行处理器分配,减少任务间通信开销,并通过量子旋转门对量子编码方案进行更新,不断逼近最优解。仿真结果表明,所提算法能够减少调度长度,提升信号处理应用的实时性,进而提高平台的工作效率。

基于云服务的企业移动应用研发及调度管理平台

随着数字化移动技术不断在企业推广应用,早期由于缺少技术手段统筹管理,各专业自行开展建设产生的“多、杂、乱”问题日趋明显,建设成本居高不下。文章提出了一种基于云服务的企业移动应用研发及调度管理平台,采用云服务方式设计并部署了开发平台层、应用管理层、调度控制层。开发平台层通过提供Hybrid研发引擎、组件库、模版库和模拟器等组件,提高了企业研发支撑能力;应用管理层通过提供用户管理、设备管理、应用商店、内容管理等模块,实现了规范化、集约化管理;调度控制层通过设计移动应用调度算法,实现了任务按匹配的资源进行科学合理调度,提高了资源利用率。试点应用情况表明,文章提出的平台框架满足了设计预期。