基于Min-Min遗传算法的网格任务调度方法

针对网格环境异构、分布等特点,在现有的任务调度算法的基础上,结合Min-Min算法和遗传算法的优点,提出了一种基于Min-Min遗传算法的任务调度方法。仿真实验表明:在网格环境下,该算法具有合理性和高效性。

改进的Min-Min网格任务调度算法

在网格环境中,如何对任务进行高效调度是当前研究的热点问题。目前Min-Min调度算法是一个简单、快速、有效的算法,但它很难满足网格任务对服务质量的要求。在独立型的任务调度模型的基础上,提出了一种基于权值的改进Min-Min调度算法。改进后的算法通过量化网格任务的优先级和等待时间,解决了原有算法存在的高质量任务和大任务等待时间过长的问题。仿真实验结果表明,改进后的算法满足了网格任务对优先级和等待时间的服务质量要求,是一种网格环境下有效的任务调度算法。

基于带抑制弧的Petri网的min-min算法模型研究

为了解决已有的min-min算法Petri网模型不能模拟min-min算法运行过程的问题,根据min-min算法的调度特点,利用带抑制弧的Petri网提出了一种算法模型,该模型运行过程可以严格模拟min-min算法对独立任务集的调度顺序,能够正确地描述独立任务调度系统使用min-min算法的情况。最后对该模型的空间复杂度以及每调度一个任务模型的变化情况进行了分析,随着独立任务的调度执行,该基于带抑制弧的Petri网的变迁数和弧数会随之减少,模型的空间复杂度会不断降低。

Min-Min调度算法及改进在网格中的研究

网格是一门新兴技术。首先介绍了经典的Min-Min调度算法,然后考虑网络环境对QoS的要求,对Min-Min调度算法进行改进,最后用SimGrid对Min-Min调度算法及提出的改进算法进行仿真,比较了两个算法的性能。

基于改进遗传算法的云计算任务调度算法

任务调度是云计算的核心问题。云计算中的任务调度算法要求在提高系统吞吐量和最大跨度的同时又要兼顾资源的安全与负载均衡问题。传统遗传算法因具有强大的并行空间搜索能力而在云计算中得到广泛应用,但其亦存在明显不足,即随着计算机规模的不断扩大,收敛性逐渐降低,存在易早熟等不足,限制了其调度性能。而Min-Min和Max-Min算法简单易行,且具有较好的时间跨度,可以较好地弥补传统算法的不足。在传统遗传算法的基础上,结合Min-Min和Max-Min算法,提出了一种新的云计算任务调度算法,在产生初始化种群时引入Min-Min和Max-Min算法,并选取任务完成时间和负载均衡作为双适应度函数,提高了初始化种群的质量、算法搜索能力以及收敛速度。仿真结果表明,该算法优于传统遗传算法,是一种有效的云计算任务调度算法。

基于QoS约束的网格任务调度算法

针对网格环境下不同类型的用户任务执行时间差异较大的问题,在对现有网格调度算法研究之后,基于Min-min算法和Sufferage算法提出了基于任务QoS约束与任务损失度的最小最早完成时间算法QDSM。算法克服了Min-min算法仅追求局部最优而忽视了全局的缺点。分析测试结果表明,算法实现了调度跨度与负载均衡、用户QoS约束的统一,在综合性能上有较大提高。

基于优先级和优化完成时间的网格调度算法

网格由大量的异构资源组成,具有复杂性、动态性和自治性特点。高效的网格调度算法可以充分利用网格系统资源,提高网格处理应用程序的能力。M in-m in算法是一个简单、快速、有效的调度算法,但由于总是先分配小任务而不能确保负载平衡。文中首先对网格系统中任务的数据传输和执行进行分析,计算并优化M in-m in算法的任务完成时间,再根据任务需求赋予任务优先级,通过优先级安排任务调度,提高算法负载平衡能力,最后在上述分析基础上提出POTE M in-m in(Priorityand Overlap Transm ission and Execution M in-m in)调度算法。

基于GridSim模拟器的网格资源调度算法的研究

网格资源调度策略是网格计算领域中的关键研究方向之一，网格模拟器是资源调度策略优化和改进研究的重要平台，本文研究了GridSim模拟器．对此模拟器的整个框架结构和运行机制作了阐述，本文对基础的Minmin算法和QoS Guided Min—min算法进行研究和改进，并通过基于GridSim包设计了应用程序对改进后的算法进行了相应的模拟。模拟研究结果表明，改进后的算法在任务平均完成时间上优于以前的算法。

改进遗传算法在云计算任务调度中的应用

云计算由于其前景广阔而日益受到人们关注。通过云计算,硬件、软件和平台都能以服务的形式按用户需求提供给使用者。因而对于云计算的提供者而言,一个重要的课题就是如何调度任务,即按照用户的请求分配资源,以保证在用户限定的时间内尽快执行完任务。通过对Min-Min算法、Max-Min算法、遗传算法的研究,提出一种改进的遗传算法,将Min-Min算法、Max-Min算法融入遗传算法中,从而提高资源使用效率。

云计算仿真平台CloudSim在资源分配研究中的应用

针对云计算环境的复杂性和资源分配的不确定性,评价云资源的调度分配策略、应用的工作负载都很难实现,墨尔本大学的学者提出的云计算仿真平台CloudSim,可以实现云计算系统的模拟和实验。对ClouSim的体系结构、开发流程进行了研究,在ClouSim平台下实现了云计算资源分配Min-Min算法的仿真,并将仿真结果与Round Robin算法进行比较。结果表明,Min-Min算法的任务最短执行时间和负载平衡性能均优于Round Robin算法。

集群中基于资源可用度的作业调度

提出一种基于资源可用度的集群作业调度算法,综合考虑资源的历史记录和当前的资源信息。基于资源可用度评价方法,改进原有的Min-Min算法。采用GridSim对算法进行模拟实验,并与Min-Min算法进行了对比。模拟实验结果显示,基于可用度的作业调度算法提高了集群的效率和作业的完成效率,缩短了作业的平均完成时间。

网格环境下基于信任机制的资源调度研究

信任是网格资源调度中一个很重要的因素,也是影响网格计算有效性和性能的关键技术之一。将信任机制引入到网格资源调度中,提出了网格环境下的信任模型和基于信任机制的资源调度模型,在调度策略上对传统的Min-Min算法进行了改进,提出了基于信任机制的Trust-Min-Min算法。仿真结果表明,算法不仅可以缩短任务的总执行时间,而且可以有效地平衡负载,是网格环境下一种有效的资源调度方法。

云测试平台任务调度方法

云计算是当前研究的热门领域,现如今,越来越多的应用被架设在了云计算平台中。而在软件开发的流程中,软件测试也是一个重要阶段,所以,将软件测试和云计算结合,对于提高软件测试的效率具有非常重要的意义。目前,云测试平台中的算法尚存在任务调度方式单一的问题。针对此问题,本文提出了一种任务调度模型,该模型采用遗传算法和改进型的min-min算法,对任务进行调度。实验表明,此算法在使用中具有非常好效果。