基于QoS的网格任务调度模型与算法研究

基于QoS的网格任务调度模型与算法研究

论文摘要

网格因其潜在的巨大的应用前景而成为当今国际上研究的热点问题。由网格系统的实现技术以及网格自身的定义可知,高性能的网格任务调度算法是网格的核心技术,服务质量(QoS:Quality of Service)是网格任务调度过程必须考虑的一个重要指标。因此,对基于服务质量的网格调度模型和调度算法的研究是网格研究中的主要内容,更是重点内容。文中主要提出了三个网格任务调度模型,并在这些调度模型上对传统的网格任务调度算法做出了改进:①信任驱动网格任务调度模型。信任也是一种QoS需求,信任度的计算采用线性补偿方法。将传统的几种调度算法改进成为以信任度为唯一调度目标的调度算法,并采用数据仿真方式可得出,随着具有强信任关系的任务数目的增加,改进的TD-Max-min算法会优于TD-Min-min算法。同时,在此模型的基础上,提出一种双匹配的任务调度算法(TD-BM),将单目标调度改为双目标调度,即在优化信任值同时,优化任务的完成时间。仿真结果表明,在任务、机器高异构的环境下,改进的双匹配TD-BM算法要优于TD-Min-min任务调度算法。②基于证据推理(ER:Evidential Reasoning)的网格任务调度模型。用ER方法合成的服务质量,较之线性补偿方法可以实现对不确定信息的处理。同时,将服务质量作为调度算法的约束条件,提出一种以基于证据推理和多QoS约束的网格任务调度算法,跟传统的调度算法比较起来可缩短调度的时间跨度。③基于联系数的网格任务调度模型。用联系数研究和处理网格调度中的综合不确定性问题。在简单介绍集对分析概念和应用情况基础上,引入联系数概念、运算规律和全序关系,提出了基于联系数的不确定网格调度算法,仿真结果表明,改进后的调度算法能较好地描述网格任务预期执行时间的动态性和不确定性。同时,用联系数的形式表示服务质量参数,其合成初步采用线性补偿方法,并提出调度的目标函数。以此为调度目标的改进后的调度算法的性能如何,还有待进一步的研究。

论文目录

  • 摘要
  • ABSTRACT
  • 第一章 绪论
  • 1.1 研究背景
  • 1.1.1 网格
  • 1.1.2 网格任务调度
  • 1.1.3 网格服务质量
  • 1.2 网格任务调度研究现状
  • 1.2.1 现有的网格任务调度模型
  • 1.2.2 现有的网格任务调度算法
  • 1.2.3 网格任务调度研究方法
  • 1.3 网格服务质量研究现状
  • 1.3.1 现有的主要的网格QoS体系结构
  • 1.3.2 网格QoS层次结构模型
  • 1.4 研究意义
  • 1.5 研究内容
  • 1.6 论文结构
  • 1.7 本章小结
  • 第二章 基于信任驱动的网格任务调度新算法
  • 2.1 问题的提出
  • 2.2 信任调度模型
  • 2.2.1 信任的概念
  • 2.2.2 信任效益函数
  • 2.3 信任驱动的网格调度启发式算法
  • 2.4 仿真实验与分析
  • 2.4.1 实验内容与设置
  • 2.4.2 实验结果与性能分析
  • 2.5 基于信任驱动的双匹配任务调度算法
  • 2.5.1 问题提出
  • 2.5.2 信任驱动双匹配算法
  • 2.5.3 实验结果与性能分析
  • 2.6 本章小结
  • 第三章 基于证据推理和多QoS约束的网格任务调度算法
  • 3.1 问题提出
  • 3.2 QoS参数测量的研究现状
  • 3.3 基于ER理论的网格QoS参数测量理论
  • 3.4 QoS参数实例计算
  • 3.5 基于证据推理和多QoS约束的任务调度算法
  • 3.5.1 算法符号说明
  • 3.5.2 算法描述
  • 3.5.3 实验结果与分析
  • 3.6 本章小结
  • 第四章 基于联系数的网格调度模型与优化算法
  • 4.1 问题提出
  • 4.2 联系数运算及全序关系
  • 4.2.1 联系数运算
  • 4.2.2 调度模型与联系数的全序关系
  • 4.3 基于联系数的不确定网格静态调度算法
  • 4.3.1 参数定义
  • 4.3.2 静态调度算法描述
  • 4.3.3 动态调度算法描述
  • 4.4 仿真实验与分析
  • 4.4.1 计算实例
  • 4.4.2 仿真分析
  • 4.5 基于联系数的QoS参数的测量
  • 4.5.1 QoS测量模型
  • 4.5.2 基于联系数的QoS参数测量
  • 4.6 本章小结
  • 第五章 总结和展望
  • 5.1 本文总结
  • 5.2 展望
  • 参考文献
  • 致谢
  • 作者读研期间参与的科研项目与发表的论文
  • 相关论文文献

    • [1].超图在网格任务调度中的应用[J]. 电子世界 2014(11)
    • [2].遗传算法在网格任务调度的应用研究[J]. 计算机仿真 2011(11)
    • [3].基于遗传算法的网格任务调度方法研究[J]. 舰船科学技术 2009(11)
    • [4].基于改进遗传算法的网格任务调度模型构建[J]. 软件导刊 2017(01)
    • [5].网格任务调度问题求解的萤火虫算法[J]. 重庆邮电大学学报(自然科学版) 2015(05)
    • [6].混沌粒子优化算法在网格任务调度的应用[J]. 计算机仿真 2012(10)
    • [7].基于改进遗传算法的网格任务调度研究[J]. 计算机科学 2010(07)
    • [8].基于实数编码遗传算法的网格任务调度[J]. 吉林省教育学院学报(上旬) 2013(01)
    • [9].基于改进免疫遗传算法的网格任务调度[J]. 河北工程大学学报(自然科学版) 2013(02)
    • [10].数据网格任务调度模拟器的设计[J]. 计算机应用研究 2011(11)
    • [11].基于混合蚁群算法的网格任务调度[J]. 计算机工程 2010(03)
    • [12].网格任务调度模型的研究[J]. 科技广场 2010(03)
    • [13].一种基于蚁群算法动态均衡的网格任务调度[J]. 东北大学学报(自然科学版) 2010(05)
    • [14].基于遗传算法的网格任务调度研究[J]. 山西电子技术 2009(01)
    • [15].网格任务调度机制的研究[J]. 现代计算机(专业版) 2008(04)
    • [16].改进蛙跳算法的网格任务调度优化模型[J]. 吉林大学学报(信息科学版) 2018(02)
    • [17].混合算法在网格任务调度中的应用研究[J]. 计算机仿真 2011(09)
    • [18].基于资源预测的网格任务调度模型[J]. 计算机应用 2010(09)
    • [19].改进遗传算法在网格任务调度中的应用[J]. 微型机与应用 2010(18)
    • [20].基于遗传算法与蚁群算法动态融合的网格任务调度[J]. 计算机应用与软件 2009(07)
    • [21].一种基于预测和激励机制的网格任务调度框架[J]. 计算机应用与软件 2008(10)
    • [22].基于改进遗传算法的网格任务调度[J]. 信息通信 2016(03)
    • [23].基于小生境和自适应遗传算法的网格任务调度优化研究[J]. 计算机测量与控制 2013(02)
    • [24].基于动态资源预测的遗传算法网格任务调度方案研究[J]. 硅谷 2009(21)
    • [25].基于自适应遗传算法的网格任务调度优化[J]. 吉林大学学报(理学版) 2015(02)
    • [26].一种基于蚁群算法的网格任务调度方法[J]. 微处理机 2008(02)
    • [27].基于动态负载均衡策略的网格任务调度优化模型和算法[J]. 计算机应用 2008(11)
    • [28].基于云模型的网格任务调度遗传算法研究[J]. 电子科技大学学报 2012(06)
    • [29].基于小生境遗传算法的网格任务调度[J]. 计算机工程 2010(21)
    • [30].基于改进遗传算法的网格任务调度[J]. 解放军理工大学学报(自然科学版) 2012(04)

    标签:;  ;  ;  ;  ;  

    基于QoS的网格任务调度模型与算法研究
    下载Doc文档

    猜你喜欢