云计算环境下基于蚁群优化的任务负载均衡调度算法

随着云计算的蓬勃发展,针对云计算中虚拟机负载不均衡及任务集完成时间较长的问题,提出了一种基于蚁群优化的任务负载均衡调度算法(WLB-ACO)。首先基于当前虚拟机的资源利用情况判断虚拟机的负载状态,其次,根据虚拟机的负载因子定义信息素的挥发因子(w),改进信息素更新规则,并利用WLB-ACO合理的分配任务,使整个系统达到负载均衡状态的同时任务集的完成时间最短。最后,采用Cloudsim工具设计仿真实验,实验结果表明,提出的基于蚁群优化的任务调度算法在性能、最短完成时间及算法的稳定收敛性上有了一定的提高。

基于启发式最短路径的PAC任务调度算法

针对PAC实时系统中多种类型任务共存、部分任务之间具有时序相关性的特点,建立了混合关联任务系统的数学模型,将系统中待调度的任务看作构成状态空间树的状态节点,使任务执行序列的选择问题转化为状态空间树中寻找状态节点之间最短路径的问题;基于启发式搜索最短路径算法实现了PAC系统的任务调度机制,该算法通过在线搜索问题的状态空间树,在约束条件下寻找使代价评估函数取得极值的状态节点,从根节点出发并不停地寻找下个节点作为首发任务的后续任务,当根节点通过某条路径可以连接所有节点时,便形成了一个最优且可行的任务执行队列;实例分析和算法性能测试表明,该算法能较好地应用于PAC实时系统的任务调度中。

基于时间窗防冲突的最短路径规划研究

在对传统Dijkstra算法思想和执行过程分析的基础上,针对规划多个路径任务时可能存在的路径冲突问题,提出了一种基于时间窗防冲突的最短路径规划算法。通过Dijkstra算法规划出当前未规划的优先级最高的路径任务,并给该路径各节点打上实时标签,生成该路径的时间窗,通过与之前的各任务路径进行时间窗冲突判断,改变描述环境地图的邻接矩阵,得到一条与其他路径任务无冲突的最短路径。最后,通过MATLAB软件对3个路径任务进行仿真,结果表明引入时间窗防冲突后,在多路径任务规划时该算法能够有效的规划出相互无冲突的最短路径。

民航机场运动目标实时运动仿真

对机场地面保障过程中的地面运动目标实时运动过程建立数据关联模型和运动仿真数学模型,基于GIS地理数据与图形设备接口(GDI+),结合多线程技术与并发同步机制对仿真程序加以改进;仿真过程中利用改进的A~*算法确定机场运动目标行驶最佳路径,结合数据可视化技术实时监测目标运动状态,最终利用复演法进行多次试验对仿真结果进行统计分析.该仿真模型现已应用于机场地面保障流程推演、机场应急预案验证、机场航班运输决策等多个领域,对提高机场航班过站保障能力具有重要意义.

云计算环境下基于改进粒子群算法的任务调度

为了优化云计算环境下任务调度,考虑调度过程中任务的最短完成时间、系统的负载均衡和经济成本3个目标约束,然而3个目标约束之间存在冲突,因此提出了一种使用改进粒子群优化算法来解决云计算任务调度中多目标优化问题,达到同时兼顾3个目标约束的目的。选择惯性权重的模糊自适应策略对粒子群算法进行改进,从而能很好的平衡粒子的全局搜索能力和局部搜索能力,尽量避免过早收敛和陷入局部极值,并且引入移动子和负载因子的概念,用于实现算法对云计算环境下的任务调度。仿真结果表明,该算法对多目标优化问题,具有较好的寻优能力。

一种跟踪移动目标的路径规划方法

在静态目标路径规划问题中,可以直接以路径长度衡量规划效果,而对于移动目标跟踪问题,"缩短完成任务所需的时间"通常比"缩短完成任务所需的路径长度"更重要。该文提出一种双向Dijkstra搜索算法,将移动目标跟踪问题转化为双向搜索的时间/空间相交问题进行求解。理论分析证明,在目标运动情报已知下,新算法能够给出使跟踪任务完成时间最短的跟踪方路径和运动方案。通过大样本测试集仿真实验,对新算法的性能进行了验证,并针对典型应用场景进行了算例说明。