蚁群算法在网格资源调度中的应用

网格资源调度是网格研究的热点问题,蚁群算法是解决多项式复杂程度的非确定问题（non-deterministic polynomial,NP）的一种有效方法。通过对网格资源调度过程和蚁群算法的研究,提出了网格环境下用蚁群算法进行资源调度的方法。采用网格模拟器GridSim进行仿真,实验结果表明,蚁群算法用于网格资源调度可以减少系统总执行时间和任务完成时间。     

基于WSRF的网格资源共享和调度的研究

针对当前交叉学科间资源存在的分布性、异构性的问题,分析网格技术的发展,提出了一种基于WSRF的网格资源共享模型,分析了模型各个层次的具体功能．通过建立网格资源的描述模型,实现了网格资源的透明化使用和管理,并在此基础上提出了一种基于QoS的网格资源调度算法,实现网格资源的合理调度,为网格用户提供个性化的服务．     

网格计算中基于QoS的资源调度优化模型

文中对网格计算的多维度QoS进行量化,建立基于多维度QoS的网格资源调度优化模型.给出QoS维度的定义,这些维度包括花费、完成时间、信用度等.采用离散效用函数来描述用户的每一维QoS需求,每一维QoS都有自己的组合权重,网格服务的组合QoS即为综合效用函数.通过对网格资源约束和QoS服务需求进行数学抽象,将多维度QoS的资源调度的概念模型转化为一个多约束优化模型,该模型能够反映用户在服务质量上的不同要求.     

计算网格中基于效用函数的资源选择方法的研究

研究运用效用函数对网格资源进行合理分配和管理．文中首先描述了基于Agent的计算网格资源分配模型；接着综合考虑费用和执行时间两方面的因素，讨论了两种可行的网格任务Agent效用函数模型，即基于期望的效用函数和基于响应时间的效用函数，并给出了网格资源Agent的效用函数描述；最后提出了一种网格任务Agent资源节点选择算法，该算法可对网格任务Agent在资源节点间移动的延迟，以及在目标资源节点上执行任务的时间进行优化．     

基于时间约束的Ad Hoc网格能量优化算法

为解决Ad Hoe网格资源调度中的能量优化问题,重点分析了Ad Hoc网格的特点以及资源调度中的能量消耗情况,将调度过程中的能量消耗分为通信消耗和本地计算消耗.综合考虑了能量消耗和任务完成时间两大因素,建立了一个基于时间约束的资源调度能量优化模型,并提出了一个能量优化算法E-sufferage.仿真实验表明,在任务完成时间约束下,算法能实现资源调度的能量消耗最优.     

遗传算法在制造网格资源调度中的应用

在网络化制造环境下为解决制造网格中的资源调度问题，提出了基于遗传算法的网格资源调度算法。结合用户对多目标优化问题的要求，设计了基于遗传算法的制造网格资源调度算法。该算法将多目标优化问题转化为单目标优化问题，并以数字制造业中零件加工过程的资源优化调度为算例，验证了算法的有效性。     

多元QoS约束的网格任务调度算法及其GridSim仿真

对传统的通用自适应启发式调度算法加入多QoS约束，新算法充分考虑到多QoS对调度策略的影响，从而提高了调度系统的吞吐率．为了验证新算法在性能上的改善，文中还在GridSim上对改进的算法进行了研究．     

计算网格中资源发现与经济调度策略的研究

设计了网格资源发现过程和网格资源经济调度过程以实现网格的资源管理．网格资源发现过程提供了一种基本的机制，它可使网格请求Agent能够发现所需要的网格资源．网格资源经济调度过程主要用于管理网格任务Agent通过竞标向网格资源Agent购买资源，以完成计算任务．文中对网格资源发现过程和网格资源经济调度过程进行了形式描述，并描述了所使用的主要数据结构．     

数据网格中一种QoS驱动的副本选择算法

以移动Agent作为任务载体,代表用户应用程序在分散的数据网格环境下智能地进行副本选择.利用移动Agent与各个副本宿主节点的本机通信来替代传统的远程访问方式,从而避免大量的副本传输,节省网络带宽资源.提出了一种由用户QoS（服务质量）驱动的副本选择算法,开发出基于Java Swing的实验演示系统,并针对于3种不同的QoS目标对移动Agent的迁移进行了模拟试验.实验表明提出的副本选择算法能够根据用户的不同QoS偏好来优化副本选择,当网格规模较大时更能凸显对用户QoS偏好的优化效果.     

基于QoS的LTE下行链路调度算法

针对LTE下行资源调度算法中速率自适应优化问题,提出了一种基于服务质量(QoS)的下行链路调度算法,该算法由子载波调度和功率分配两部分构成.为了提高性能和降低算法复杂度,将子载波调度算法和功率分配算法分开讨论,对于基于QoS的子载波分配算法,根据用户的信道质量,合理地分配子载波.在功率分配算法中,根据用户当前时刻的信道状态信息设计各用户的注水线,也即注水因子,使基站动态地为各用户分配功率.最后,通过仿真分析对比改进算法在传输速率、公平性、小区吞吐量以及用户SINR方面的性能,结果表明:改进算法可以很好地降低复杂度,改善用户公平性,降低误码率.     

基于动态竞标机制的密集计算网格作业调度模型

通过对当前密集计算网格上的作业调度系统的不足之处进行了分析,继而提出将经济模型引入到网格的作业调度系统,并提出了一个基于动态竞标机制的分级网格作业调度策略。最后,通过在高性能集群网格节点自强3000与自强2000上的模拟网格资源上进行了对比实验。     

基于能效的D2D通信系统中资源复用策略研究

针对D2D通信(device-to-device communication)与传统蜂窝通信共存下的能效资源复用问题,联合考虑蜂窝用户和D2D用户对的QoS约束,结合电路消耗功率,提出一种基于能效的D2D用户对与蜂窝用户最优匹配的资源复用和功率分配策略,分析了D2D用户对复用蜂窝用户资源的最优功率的存在性,并用分式规划理论求解了该最优功率的闭合表达式.仿真结果表明,相比已有算法,所提的能效资源复用策略的D2D用户的总能效最优,并且该总能效在低QoS要求下相比最大化和速率算法提高36.25%,高QoS要求下略高于基于节能的功率分配算法,同时还具有1.7~3 Mbit/s的和速率.      

基于多Agent 的通航运力资源协同调度

针对并行式多任务条件下的通航运力资源调度效率较低问题，提出一种基于多 Agent 协商的通航运力资源协同调度方法. 构建多Agent 通航资源协同调度框架，建立基于招投标机制的运力资源匹配性模型以提升并行任务处理能力，在匹配性结果基础上设计资源调度策略，最后使用实际运行数据验证本文提出方法的可行性. 仿真结果表明：该方法资源调度速率受并行任务数量影响较小，满足实时性需求；相比常用Agent算法所得调度结果，单机日利用率平均提升0.19 h/d，作业时长均方差平均降低0.03 h，能够快速有效地调度通航运力资源.     

无线Mesh网络的跨层设计理论与关键技术

由于无线M esh网络(WMN)在拓扑、传输和业务上的特性,传统的用于有线网络的分层协议设计方法已不能保证其服务质量(QoS).探索基于物理层、MAC层、路由等协议层的WMN跨层设计方法的目标是在无线资源利用率和多媒体业务的QoS需求两方面达到较好的折衷.WMN各个协议层在设计过程中的有关协议和算法要求附加统一的跨层管理器,监测各层的分组传输性能或需求,动态控制或调节相关算法.通过实现较高协议层的多媒体业务QoS需求与较低协议层的网络状态信息在各协议层之间的共享,可以达到对协议层控制算法的优化.在合理地选择跨层设计目标的基础上,多个协议层需要联合设计与优化.从物理层、MAC层、路由协议层和TCP层等层面介绍了WMN跨层设计的一般原则和方法.归纳了目前WMN跨层设计中亟待深入研究的一些理论和关键技术,包括自适应速率与节能机制、基于QoS需求的跨层MAC协议设计和路由协议设计等.     

集装箱码头泊位-堆场-闸口的周期协同分配

为提高集装箱进出口码头在周期性环境下的作业效率,对集装箱码头泊位-堆场-闸口的周期协同分配问题进行了研究. 首先考虑泊位、堆场、闸口3类资源对船分配过程中的可用量约束、相关性约束和周期性约束,以最小化船舶总在港时间为目标函数,建立集成调度的混合整数规划模型;在此基础上设计自适应遗传算法进行求解,其上层对船舶优先级构成的编码空间展开进化搜索,下层利用启发式将优先级解码为多资源协同分配计划,并将其评价值返回至上层迭代. 数值实验显示,协同考虑泊位、堆场和闸口3类资源的集成调度,相较于传统的两阶段调度,周期计划下的船舶总在港时间缩短约20%.      

基于分解策略的计算网格资源分配优化

提出多种Agent分别代表用户、服务提供者、资源提供者相互协作解决网格资源分配优化问题.采用双层市场模型解决网格系统资源的最优调度,即网格用户Agent与网格服务Agent相互协作的服务市场,以及网格服务Agent与网格资源Agent所组成的资源市场.为了降低计算复杂性,将分配优化问题分解为两个子问题,分别在资源市场和服务市场中解决.在双层市场中两个子问题所获得的优化值即为主问题的优化值.     

无线传感器网络环境下的QoS机制研究

在分析了无线传感器网络的QoS需求以及提供QoS需要考虑的问题的基础上，设计了一种基于移动Agent的QoS机制，通过移动Agent的迁移实现网络状态信息的采集与动态QoS指标的调整，在保证网络应用完成的同时延长了网络生命周期。