基于云端任务合并的绿色功率控制算法研究

传统的云计算系统功率控制算法没有同时考虑公共云和私有云中的能耗优化问题。为了降低能量消耗,同时考虑公共云与私有云中的能量消耗问题,并基于任务合并机制提出了一种绿色的功率控制算法。算法将资源利用率与能量消耗之间的直接关系建模为一种任务合并问题,基于公共云和私有云任务的合并机制,提出了两种有节能意识的启发式算法。最后引入成本函数,用于表征算法的节能效率与节能能力,并分析了算法的最优加权因子。仿真结果表明,相对于传统算法,该算法不仅可以直接降低云基础设施的耗能,而且可以节约其他经营的成本。

一种支持任务合并的交换网络实时调度策略

通过分析现有网络通信和实时系统的调度算法,在实时调度算法LSF(Least Start First)的基础上,提出支持任务合并的交换式网络实时调度策略TC-LSF(Tasks Combining-Least Start First)来保证任务在网络通信中的实时性。该算法使用任务合并策略对多个通信任务进行合并,从而节省相同网络寻径增加的网络开销,使网络的通信效率得到极大提高。给出了算法的实施细节和C语言程序片段,并对算法的性能进行了分析。

一种任务合并机制下的云工作流多阶段调度方法

云环境中的工作流调度问题不同于传统分布式计算环境,主要体现在按需资源提供机制与即付即用的资源定价模式。为了解决这一问题,提出一种动态的代价优化工作流调度算法。为了适应用户对完成工作流的截止时间限制,对工作流结构中的管道任务进行了合并,减少了管道任务部署于同一节点时的数据传输时间;通过循环控制机制中代价最低预调度、资源提供决策及正式调度三阶段方式,生成了满足截止时间的代价优化调度解。实验结果表明,与同类算法比较,当设置不同的截止时间因子改变约束程度时,该算法在截止时间约束满意度以及调度时间和调度代价的同步优化方面均优于对比算法。

关于任务合并的并行大数据清洗过程中的模块优化

针对传统免疫接种数据清理效率低下的问题,对免疫接种管理平台并行数据清洗过程进行优化,以提高数据处理效率。

基于合并分配的云工作流低能耗调度方法

现有云工作流调度方法往往少有在降低执行能耗和缩短完成时间之间取得有效平衡。为此,提出基于合并分配的工作流低能耗调度方法。在考虑工作流结构的基础上将若干相关任务合并为可统一分配至同一服务器的任务串,将各任务串优化调度至尽可能少的服务器,求取各服务器可用时间槽并基于DVFS技术对任务进行松弛。相关实例和仿真实验验证了该调度方法的可行性和有效性,针对经典科学工作流和随机生成工作流两类输入,对比数据表明该方法可以在缩短工作流完成时间的同时有效降低执行能耗。

基于三支队列的实时云任务节能调度算法

利用三支决策的基本思想,提出了面向实时云任务的细粒度任务合并调度算法.其主要思想是利用客户提交的实时任务的截止时间来计算松弛时间,按照松弛时间将任务放入紧急调度队列、正常调度队列和松弛调度队列.结合虚拟机的实际负载情况,对这三个队列提交任务进行调度.与ETC、ESTC、MTC、ETC&MQS、ESTC&MQS算法进行对比,结果表明,所提出的算法在满足用户SLA的前提下,能够有效降低云能耗.

战场运输在线路径规划算法研究

针对战场运输保障任务批次多,不确定性强等特点,提出了一种轻型在线的运输路径规划算法。以节省整体运输开销为目标,利用图论思想对运输路径的相互关系进行了数学建模,定义了路径连接的必要条件和合并算子。并借鉴了节约法等启发式方法的思路,提出了一个路径优化合并方法和相应在线调度算法,能够按照负载平衡和最小开销策略分配运力,按需对现有任务合并。模拟实验结果表明,与过去按分管关系指派任务的方法相比,运输开销得到显著减小。

基于DAG图的自适应代码划分优化算法

并行编译的两大工作是程序代码划分和调度。对于调度问题,目前已有大量的解决方案,但是针对代码划分提取并行性的研究工作却非常少。该文提出了通过合并结点来划分DAG图的新的划分算法。实例分析证明,该算法是一种有效的、低复杂度的自适应代码划分解决方案,并且适用于异构计算的任务图划分。

基于启发式规则的临时分段调度计划与优化

船舶堆场中临时分段调度方案的优劣影响着调度的效率和成本。本文以临时分段的调度过程为优化对象,以平板车的移动距离为优化目标建立数学模型。通过制定动态的临时分段调度规则和超长分段调度规则,充分利用堆场中的空存储单元,最终确定一个较优的临时分段调度方案。同时利用任务合并对堆场调度的任务序列进行优化,从而减少调度过程中临时分段的数量。最后,利用某船厂的实际数据对模型和调度规则进行实例验证和数值分析,结果表明,所制定的调度规则可以优化堆场调度方案,提高堆场空间资源利用率和调度效率。

Multi-task Coalition Parallel Formation Strategy Based on Reinforcement Learning

代理人联盟是代理人协作和合作的一种重要方式。形成一个联盟，代理人能提高他们的能力解决问题并且获得更多的实用程序。在这份报纸，新奇多工联盟平行形成策略被介绍，并且多工联盟形成的过程是一个 Markov 决定过程的结论理论上被证明。而且，学习的加强被用来解决多工联盟平行的代理人行为策略，和这个过程形成被描述。在多工面向的领域，策略罐头有效地并且平行形式多工联盟。

省级投资项目管理系统设计关键分析

本文以某省级投资项目管理系统为例,针对投资项目调度业务,一方面着重说明系统通过调度任务的可视化、场景式创建过程,如何有效解决业务需求快速响应的痛点;另一方面说明如何通过调度任务合并机制,实现多层级、多部门的项目调度任务,一次执行、多点共享。