一种改进的可分割任务调度算法LBMR

可分割任务调度在科学和工程计算领域中具有重要的地位,其有效调度算法的设计对并行分布式处理的计算效率至关重要。UMR(Uniform Multi-Round)算法通过限定每次传输到工作节点块的大小,使各工作节点始终处于计算状态,不仅实现了计算资源的最大利用,而且可计算出整个任务调度的最优路数。但是:由于该算法设计中并未考虑网络带宽的有限性,因而难以满足实际计算环境的需求。为此,本文在UMR算法中引入网络带宽限制,对该算法在此条件下进行重新设计,提出一种改进的多路可分割任务调度算法LBMR((limited bandwidth multi-roundal-gorithm)。理论分析和基于GridSim的模拟实验结果表明:与UMR、MI、EMI等同类调度算法相比,本算法改进了其调度性能,且具有更好的实用性。

移动边缘计算中基于Stackelberg博弈的卸载和定价算法

移动边缘计算(Mobile Edge Computing,MEC)能够将计算密集型任务传输到MEC服务器上执行,相比移动云计算,延迟更低。然而MEC服务器的计算资源有限,需要设计合理的移动边缘计算卸载和定价策略。为此,针对计算资源有限的MEC服务器与多用户设备的场景进行了研究,其中每个用户设备都有一个可分割的任务并且可以选择卸载到MEC服务器上执行的卸载量,同时考虑到了任务的本地执行部分和卸载执行部分不能同时开始执行的情形。首先,根据用户设备卸载量和服务器定价的关系建立Stackelberg博弈;然后证明博弈存在纳什均衡,并采用差分进化算法寻找服务器定价的最佳策略;最后迭代求出用户设备的最优卸载量和MEC服务器的最优定价。仿真实验结果表明,所提出的算法可以提高服务器的利润和用户的效用,从而实现双赢。