近红外光谱多核并行谱区选择任务调度策略研究

在近红外光谱的谱区选择算法中,滑动窗口偏最小二乘法具有较高的预测精度,但是其程序运行时间很长。在不改变算法预测精度的前提下,首先以分段间隔偏最小二乘法为基础研究了顺序分配法、等间距法和排序法等3种任务调度策略对并行算法性能的影响。在这3种任务调度策略中,排序法具有较好的负载均衡性和较高的并行效率。然后在16核云计算平台下将排序法分配策略分别应用于组合分段偏最小二乘法、反向分段偏最小二乘法和滑动窗口偏最小二乘法等谱区的并行选择算法中。经实验测试,在单核串行算法下反向分段偏最小二乘法和滑动窗口偏最小二乘法的程序运行时间分别为9.22 h和55.51 h,在排序法分配策略下采用2核并行算法时其程序运行时间分别缩短为4.98 h和29.03 h,分别节省了45.99%和47.70%的程序运行时间。实验结果表明:当考虑并行效率和计算成本时,在1~16核的并行算法中,选用2核并行执行以上4种谱区选择算法都具有最高的并行效率和性价比。     

云计算任务调度算法研究综述

正各大IT巨头紧跟当今信息产品的飞速发展,纷纷转向云计算研究,IBM、谷歌、微软、雅虎目前是云计算行业巨头,云计算在一个巨大的优势和强大生命力的推动下高速发展,这将彻底改变信息产业的软件生产组织结构和信息消费模式,使人们以更广阔的视野来看待所有事情,在发展和进步的同时,云计算最终将使全球所有的东西连接在一起,从而形成一个有机的整体。云计算的理念是"一切皆服务",这是一个兼收并蓄,包容一切的思     

基于多目标优化的产品协同开发任务调度研究

针对目前产品开发任务调度研究的不足,提出了基于多目标优化的产品协同开发任务调度理论,并在此基础上提出了多目标优化调度的综合指标确立方法;针对调度问题的求解特点,提出了基于混合微粒群算法的任务调度算法;最后,运用上述理论和算法,给出了具体实例的计算结果,并把该结果和单目标优化调度的结果相比较,说明了基于多目标优化的产品协同开发任务调度算法的可行性和优越性.     

改进遗传算法在云任务调度中的应用研究

云计算环境下的任务调度问题是当前研究的热点问题,而遗传算法(Genetic Algorithm,GA)是解决任务调度问题的重要智能算法之一。文章针对基于吞噬机制改进遗传算法(Phagocytosis Improved Genetic Algorithm,PIGA)在云任务数量较大的情况下,应用吞噬机制解决任务调度问题时易出现大量云任务集中于一台或者几台虚拟机,使得算法收敛于局部最优解的问题展开研究,并以最短云任务执行时间为目标,在IGA(Improved Genetic Algorithm)调度的基础上,改进吞噬机制,将"吞噬细胞"、"普通细胞"、"病原体细胞"的概念引入到该算法中,提出增强型吞噬遗传算法(Enhanced Phagocytosis Genetic Algorithm,EPGA),探寻更快的云任务执行时间。仿真实验表明,与GA、IGA、PIGA相比,所提算法明显改善了云任务的完成时间,并且在云任务数量较大的情况下,EPGA较PIGA更能探寻到最优解。     

任务调度问题的Petri网模型及其分析

提出任务调度问题的Petri网模型及其构造方法,给出了求解该Petri网模型的主任务线的方法,提出了并发段的概念,在此基础上计算出该任务调度问题所需处理机的最小台数.     

云计算中主任务调度算法的优化研究

针对ASAP和ALAP算法的缺陷，将生态捕食者—被捕食者模型应用于云计算的主任务调度算法中,建立一种基于生态捕食者—被捕食者模型的主任务调度算法，该算法通过生态差分方程动态调整节点内采用相应算法的任务数量，经过仿真试验证明了算法的有效性。     

人工鱼群优化在云计算环境中任务调度算法

针对云计算的编程模型框架,提出基于郭涛思想的人工鱼群算法,通过该算法不但能找到总任务完成时间较短的调度结果,而且该调度结果的任务平均完成时间也较短。通过仿真实验将该算法与基本的人工鱼群优化算法进行比较,结果表明,该算法优于基本的人工鱼群优化算法,是一种云计算环境下有效的任务调度算法。     

奶牛人工授精任务调度模型与算法研究

规模化养殖环境下牧场每天都有大量人工授精任务,人工授精任务执行具有最佳时机的特性,研究借鉴“提前/拖期调度”理论建立奶牛人工授精任务调度模型,采用惩罚成本函数兼顾奶牛受孕率和产奶量,采用禁忌搜索算法和二次规划方法求解人工授精任务执行序列和开始执行时间,预测奶牛排卵时间和最佳人工授精时间。仿真实验证明了模型和算法的有效性。     

基于混合粒子群算法的云计算任务调度研究

任务调度是云计算系统可靠运行的关键,云计算环境中要处理的任务量巨大,考虑到云计算任务调度和QoS的优化问题,提出一种混合粒子群优化算法用于云任务调度。算法中引入遗传算法的交叉和变异思想,并结合随迭代次数变化的变异指数,保证种群进化初期具有较高的全局搜索能力,避免出现“早熟”,同时将爬山算法引入粒子群算法,改善局部搜索能力。实验结果显示该算法具有很好的寻优能力,是一种有效的云计算任务调度算法。     

基于混合遗传算法的农机科研人员任务调度优化研究

农机科研人员任务调度问题属于NP-hard问题。它允许农机项目中的任务可以由项目团队中的多个农机科研人员完成实施,调度的目的是将任务分配给各科研人员,并对各农机科研人员的任务进行排序以使完成所有项目的时间最小化。本文采用基于禁忌搜索的混合遗传算法进行农机科研人员任务调度研究,提出了一种新颖直观的双染色体基因编码方法,以期达到农机科研人员任务调度决策的科学化,并在MATLAB7.0平台对算例进行仿真。