多QoS约束网格作业调度问题的多目标演化算法

针对网格计算中的多QoS约束网格作业调度问题,以独立作业为研究对象,将其规约为多目标组合最优化问题.通过深入剖析多目标最优化理论及其演化算法,结合网格作业调度自然特征,提出了一种解决多QoS约束网格作业调度问题的多目标演化算法.该算法求解多个QoS维度效用函数指标的非劣解集,尝试解决多管理域间网格用户、资源管理者等网格实体的多目标协同问题.仿真结果表明,在时间维度、可靠性维度、安全性维度QoS效用值等用户级QoS指标,以及丢弃作业数等系统级指标方面该算法与QoS-Min-min和QoS-Sufferage等同类算法相比具有较好的综合性能.

QIACO:一种多QoS约束网格任务调度算法

网格环境下的任务调度问题属于NP难解,难以得到精确的最优解,适合使用蚁群算法等智能优化算法对最优解进行逼近;同时,服务质量(QoS)也是衡量网格性能的一个重要指标,网格任务调度应该满足用户的QoS需求.为解决具有QoS保证的网格任务调度问题,本文以带有QoS约束的任务为研究对象,结合改进的蚁群算法,提出了一种基于蚁群算法的多QoS约束网格任务调度算法(QIACO).QIACO将蚁群算法用到网格任务调度问题中,具体考虑了5种QoS约束,并将QoS约束转换成效用,提出了多约束QoS任务调度模型.同时,本文改进了蚁群算法的搜索策略、决策规则和信息素更新策略,使总效用值即用户满意度达到最大.理论分析和仿真实验表明QIACO无论是在Makespan方面,还是在总效用方面都相比同类算法有较大的优势.

多QoS约束的多播路由协议

随着高性能网络、移动网络及Internet的不断发展,具有QoS约束的多播路由技术已成为网络及分布式系统领域的一个重要研究课题.研讨了具有多QoS约束的多播路由问题,其中主要包含延迟、延迟抖动、带宽、代价等QoS约束.描述了一种适应于研究QoS多播路由的网络模型,提出了一种具有多QoS约束的多播路由协议(multicast routing protocol with multiple QoS,简称MRPMQ).MRPMQ试图有效减少生成多QoS约束的多播树的开销.在MRPMQ中,一个多播组成员能够动态地加入/退出一个多播会晤,且不干扰现有的多播树.给出了该协议的正确性证明和复杂性分析.仿真实验结果表明,MRPMQ为多QoS约束多播路由提供了一种新的有效途径.

基于遗传算法的多QoS约束服务选择

为了实时提供满足客户QoS需求的组合Web服务,提出了一种快速稳定的基于遗传算法的多QoS约束服务选择算法。首先根据基于QoS约束的组合服务选择问题的数学模型,提出了一个较为合理的数据预处理过滤方法以缩小搜索空间,然后使用遗传算法的思想构造算法,并在实验的基础上确定各项参数,最后使用新的算法完成可行解搜索。实验结果表明,与传统的整数规划算法相比,新算法具有运算速度较快、可满足实时性要求,并且在问题规模扩大时具有良好的可扩展性等特点。

多QoS参数约束的选播路由算法的研究

选播是Ipv6中的一种标准通讯模型。本文研究多QoS参数约束的选播路由问题，建立了一种带有多个QoS参数约束的选播通信服务模型，设计实现了相应的多路选播路由算法。网络仿真实验结果表明，该算法是有效且切实可行的，它能同时满足多个QoS的约束条件，具有较好的求解效果，改善了网络服务质量。

基于多QoS约束的数据网格任务调度算法研究

针对数据网格环境下的多QoS约束任务调度问题,提出了一种基于最早完成时间与QoS相识度的数据网格任务调度算法(data grid task scheduling algorithm based on Min-min and QoS similarity,MS-GTSA)。该算法将最早完成时间与S-GTSA算法相结合,在任务调度过程中,选取任务QoS约束与资源QoS匹配最佳,且完成时间最早的一项优先进行调度。在满足任务最佳QoS匹配的同时,时间跨度得到了较大的改善。仿真结果表明,该算法有效降低了任务调度的时间跨度,在综合性能上较S-GTSA算法有所提高。

一种基于粒子群优化的多QoS约束选播路由算法

提出一种基于粒子群优化算法的多QoS约束选播路由算法(RDO-PSO).算法使用特殊相加算子,使得路径之间能够相互进行学习,解决了较差路径向较好路径学习的问题;通过设计随机扰动算子,使算法在陷入局部最优时迅速跳出局部最优,保证了粒子的多样性.网络仿真结果表明,算法有效可行,收敛速度快.

基于PSO的多QoS约束路由问题研究

研究了计算机网络在多QoS约束条件下的路由问题。针对该问题的特点,改进了粒子群优化算法(Particle Swarm Op-timization algorithm,PSO),采用了新的粒子速度更新策略和粒子抗拥塞策略,使之成为一种解决多QoS约束路由问题的新算法。在一个8×8网状拓扑结构的仿真网络里对该算法进行了仿真实验,实验结果表明新算法对于多QoS约束路由问题可行且收敛快。

基于多QoS目标的工作流任务调度算法

根据工作流任务的结构特点对其进行分区,按照任务量和通信量将总工作流截止日期和总工作流花费分为每个任务分区上的子截止日期和子花费,在考虑用户多个QoS要求及工作流任务间通信时间的基础上,提出基于信任与花费的综合效益函数,给出信任与花费权值的确定方法以及一个以综合效益最优为目标的调度算法——TCD,算法通过追求局部最优达到全局多目标优化调度。与其他算法的比较表明,该算法服务拒绝率最多可降低15%,能较好地满足用户多QoS要求。

一种支持多QoS约束的多播路由协议

在分析YAM、QoSMIC和QMRP协议的基础上,讨论了包括延时、延时抖动、带宽和代价约束的多播路由问题,描述了一种适用于多QoS约束的多播路由的网络优化模型,提出了一种支持多QoS约束的多播路由协议(MRPMQoS),构建在NS2下该协议的仿真模块.该协议只要求网络链路(或节点)的局部状态信息,不需要维护全局状态信息,多播组成员可动态地加入/退出多播会晤.该协议采用单路径寻径和多路径寻径相结合的搜索方式,有效地减少构造一棵多播树的开销,降低结点加入延时和提高寻径成功率.NS2仿真结果证明,该协议的可用性和有效性,可用于不同规模网络,具有良好的可扩展性.

基于多QoS约束的网格任务调度算法

提出一种基于QoS的网格资源管理模型和此模型下基于多QoS约束的网格任务调度算法。引入效益函数对QoS描述建模,为网格任务调度算法提供合理的优化目标。在此基础上改进传统调度算法得到基于多QoS约束的调度算法。实验表明,改进后的算法有更好的性能,更适合应用于网格环境中。

云环境下基于优先级的多QoS约束工作流调度

为了实现云计算环境中工作流调度的执行时间与代价的均衡优化,提出了一种截止时间与预算双QoS约束条件下的工作流均衡调度算法。该算法将最优调度方案的求解过程划分为两个阶段:资源分级调度阶段和任务分级调度阶段。资源分级调度阶段中,算法通过任务升秩值定义任务优先级,并将任务按升秩值排序后为任务选择满足双QoS约束的适合资源集;进一步,在任务分级调度阶段,算法定义了4条满足时间/代价均衡的最优资源选择规则,进而得到最优工作流调度方案。通过设计算例,详细阐述了新算法的思想。最后,通过现实科学工作流的仿真测试,将所提算法与同类算法进行了性能比较。结果表明,在不同紧密程度的约束条件下,所提算法在调度代价、调度时间和调度成功率等指标上均表现出更优的性能,可以有效实现均衡调度。

多QoS约束下的PSO云存储任务调度算法

为研究云存储系统任务调度的问题,根据云存储系统的特点,前人已通过存在矩阵对PSO算法初始化与迭代更新进行约束,解决了PSO初始化以及迭代解对于云存储无意义的问题,使得PSO调度算法的迭代次数以及执行时间大幅降低,但其未充分考虑网络当前的状态以及网络服务质量问题。针对这一缺点,通过多QoS约束改进PSO调度算法在QoS要求下的性能特征,使解更符合当前网络的状态以及用户对多QoS的需求。实验结果表明,虽然迭代次数和运行时间没有明显的变化,但是相对于现有算法在多QoS性能方面平均满足率仅有33%,QoS约束将该值改进至45.6%,满足多QoS的需求。

多QoS约束的层次多播路由算法框架

为了解决网络路由的扩展性问题,大型网络通常被划分成若干个不同的域。拓扑聚集是对这些域的拓扑状态信息进行汇总的过程。在拓扑聚集的基础上,QoS层次多播路由算法用来构造满足QoS要求的域间多播树。现有的QoS层次多播路由算法在其拓扑聚集和路径计算的过程中都只考虑了存在两个QoS特征值的情况。本文提出了一种具有多QoS约束的层次多播路由算法框架HMRMQ(Hierarchical Multicast Routing with Multiple QoS con-straints),此算法框架不仅为基于多QoS特征值的拓扑状态聚集和状态信息表示提供了新的方法,而且提出了一种适应于多QoS约束的层次多播路由新算法。我们提出的状态信息表示法和拓扑聚集算法都具有很好的扩展性,分布式的路由算法也便于某些安全性策略的实施。理论分析和实验结果不仅证明了HMRMQ的正确性和有效性,同时也表明了HMRMQ在网络路由的扩展性、路由成功率、网络代价以及报文负载等方面都具有良好的性能。

面向食品溯源数据服务的多QoS约束服务选择优化算法研究

数据服务的理念是大数据时代一种重要的信息服务方式.在面向服务构架(ServiceOriented Architecture,SOA)框架下研究了用于食品安全溯源系统中面向数据服务的多QoS(Quality of Service)约束下服务组合选择优化算法,溯源服务系统是一种数据密集型服务系统,系统的实现需要组合多源的Web服务.通过提取系统的重要Web服务和数据服务QoS指标,建立了食品安全溯源系统的以数据服务为场景的多服务属性约束下优化因子模型一MQBR(Multi-QoS based Benefit Ratio)模型,采用Skyline算法预处理并结合人工智能的启发式方法求解了满足约束条件的服务组合,提升了系统服务选择的效率和质量.通过实验分析证明了算法的有效性,且实现了多QoS约束条件下食品安全溯源系统中服务组合选择算法,提升了服务选择的质量和性能.

一种多QoS驱动的物联网资源分层调度方法

现有物联网系统普遍采用先来先服务的单一资源调度策略,不能很好地满足实时性和个性化需求.针对物联网系统的复杂性及需求目标的多样性,提出了一种多QoS驱动的物联网资源分层调度架构,建立了面向物联网的多QoS定义及形式化模型,并在此基础上提出了一种基于信息熵的、包含分类请求和精准选择两个过程的多QoS驱动的调度方法.仿真结果表明该资源调度方法能有效保障用户请求相对公平性,满足不同用户的实时性和个性化需求,提高了资源的利用率.

多QoS约束的多播路由协议的改进

随着Internet、移动网络及高性能网络的不断发展,具有QoS约束的多播路由技术已成为网络及分布式系统领域的一个重要研究课题。文章研讨了具有多QoS约束的多播路由问题,其中主要包含延迟、延迟抖动、带宽、代价等QoS约束。针对现有多QoS约束的多播路由算法进行了改进,不仅有效减少了生成多QoS约束的多播树开销,而且能够很好地支持组成员的动态加入和离开,而不干扰现有的多播树。算法实例证明改进后的算法减少了报文转发的数量,从而降低了多播树生成时间。

Fall Back^+——一种新的多QoS约束路由算法

FallBack(FB)算法是满足多QoS路径选择的基本算法 ,是Dijkstra算法的一种改进。在FB算法中 ,路径选择是按照算法设计者根据经验排序的多QoS来确定的 ,因此是经验的 ,所做选择的难以保证是最佳路径。另外FB算法主要以满足多QoS路径选择为目的 ,并未考虑网络资源的有效利用。本文对FB算法进一步扩充 ,提出了路径选择的FallBack+算法 ,它不仅满足多QoS约束 ,有效地利用网络通信资源 ,并有高的功效。

基于多QoS属性的分类优化调度算法

实现用户的服务质量(QoS)是网格计算中力求达到的重要目标,网格资源的分布性、异构性、动态性等特征使网格环境下以服务质量为指导的资源调度成为一个复杂的问题,尤其是在用户的任务具有多种QoS属性的情况下。该文利用经济模型研究网格QoS控制的资源分配问题。以效用最大化为目标通过综合效用函数量化服务质量,设计了在时间和费用受限情况下对任务进行分类的优化调度算法,该调度算法满足用户多QoS属性。仿真实验显示了该算法的有效性。

网格环境下基于多QoS约束的任务调度算法研究

针对网格任务调度过程中的QoS(Quality of Service)约束可扩展性不足、资源利用率低等问题,提出一种多QoS约束的Min-Min任务调度算法。该算法首先计算待调度任务QoS与每个资源QoS的匹配值,并根据匹配值的大小确定任务分配的先后顺序,然后再依次对已排序的任务选取具有最小最早完成时间所对应的资源进行分配。在保证QoS匹配质量的同时,也注重资源节点的利用率。仿真实验结果表明,该算法在综合性能上明显优于Min-Min算法。