检索结果-南通市图书馆

IIoT环境下基于蜣螂优化的雾工作流调度算法

在线全文

学校读者我要写书评

暂无评论

计算机工程与应用 2024年

作者：吴宏伟江凌云南京邮电大学通信与信息工程学院南京邮电大学物联网研究院

解决在IIoT(Industrial Internet of Things)环境下，现有的调度算法调度工作流中对数据安全、响应时间有一定要求的任务所带来的完工时间上升、成本增加的问题，提出一种基于雾环境负载率而变化的任务调度策略，并使用改进的蜣螂优化... 详细信息

解决在IIoT(Industrial Internet of Things)环境下，现有的调度算法调度工作流中对数据安全、响应时间有一定要求的任务所带来的完工时间上升、成本增加的问题，提出一种基于雾环境负载率而变化的任务调度策略，并使用改进的蜣螂优化算法对工作流调度问题进行求解。改进的算法使用HEFT(Heterogeneous Earliest Finish Time)算法对蜣螂种群进行初始化，降低了原始算法里随机性带来的影响。同时引入了镜面反射和反向学习思想，提高了算法的搜索性能。实验结果表明，该算法相比于其他一些传统的调度算法在完工时间与成本方面都有一定的提升。

关键词：工作流调度蜣螂优化算法 HEFT算法反向学习调度算法雾计算工业物联网

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

多云环境下动态多目标工作流调度研究

多云环境下动态多目标工作流调度研究

作者：张琰太原科技大学

学位级别：硕士

为了获得强大的计算和存储资源,工作流部署在云环境中调度执行。随着云计算技术的发展和用户需求的变化,云环境下的工作流调度存在许多的动态场景,如部分云资源的价格会随市场供求关系发生变化,工作流的截止日期会根据紧急程度调整,现... 详细信息

为了获得强大的计算和存储资源,工作流部署在云环境中调度执行。随着云计算技术的发展和用户需求的变化,云环境下的工作流调度存在许多的动态场景,如部分云资源的价格会随市场供求关系发生变化,工作流的截止日期会根据紧急程度调整,现有的静态模型和算法已经无法满足新的动态环境下工作流调度的需求。因此,本文旨在结合多云环境中的资源,深入研究动态场景对工作流调度问题的影响,并提出相应的算法来解决问题。本文的主要研究内容包括:(1)结合云资源的动态价格构建了了多云环境下的动态工作流调度模型并改进了相关算法来求解该模型。由于现货实例的价格会随市场供求关系而改变,会对工作流的调度产生重要影响。因此,提出了多云环境下的动态工作流调度模型,优化目标包括完工时间、工作流执行成本和可靠性,其中成本受价格影响动态变化。此外,将均匀随机采样范式用于生成更加均匀的初始参考向量,加入多样性引入策略帮助种群在新的环境中更快的收敛。通过实验表明,相比于其它算法该方法获得的调度方案拥有更好的目标结果。(2)进一步考虑了不同云平台的故障概率与具有动态调整需求的工作流截止时间,构建了多云环境下的动态约束工作流调度模型并提出了相应算法来求解该模型。工作流的截止时间需要根据紧急程度灵活做出调整。此外,为了模拟现实调度场景,设置不同的云平台拥有不同的故障概率。因此,本文提出了一种多云环境下具有期限约束的动态约束工作流调度模型,以执行时间、执行成本和中断概率作为优化目标,其中中断概率由现货实例的中断率以及多云环境下的故障概率联合表示。模型中的截止时间约束随着工作流的紧急程度发生变化。为了求解该模型,本文使用辅助种群忽略约束条件帮助主种群跨越不可行区域,并通过基于划分子空间的环境选择维护更丰富的搜索方向。通过实验证明了该算法的有效性。(3)利用在之前算法中未使用到的不可行解中的信息提出了基于外部存档协助优化的动态约束多目标优化算法。在求解动态约束问题的过程中,通常会产生很多不可行解。目前的动态约束多目标优化算法倾向于使用可行解中的信息来帮助算法收敛,而忽视不可行解中的有效信息。因此,本文提出了一种基于外部存档协助优化的动态约束多目标优化算法。该算法将非支配不可行解存储在外部存档中,在搜索空间中的不可行侧引导种群收敛,有效利用了不可行解中的信息,与主种群双向协同引导种群收敛。基于角度的选择方法能够帮助种群维护更丰富的搜索方向,维护种群个体的多样性。在所提模型上的实验表明所提出的算法相比于其它算法拥有好的性能。

关键词：工作流调度多云双种群协同策略动态约束多目标优化双向协同进化

云中满足截止时间约束且优化成本的工作流调度策略

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

计算机科学 2022年第S2期49卷 814-819页

作者：王子健卢政昊潘纪奎孙福权东北大学秦皇岛分校数学与统计学院河北秦皇岛066000 东北大学信息科学与工程学院沈阳110000

云环境中的工作流调度是如今最具挑战性的问题之一。它关注于在指定的服务质量需求下,以将相互依赖的任务映射到虚拟机的方式来执行工作流应用程序。云服务提供商以不同的价格提供不同性能的虚拟机。同样的工作流,配置不同的虚拟机,会... 详细信息

云环境中的工作流调度是如今最具挑战性的问题之一。它关注于在指定的服务质量需求下,以将相互依赖的任务映射到虚拟机的方式来执行工作流应用程序。云服务提供商以不同的价格提供不同性能的虚拟机。同样的工作流,配置不同的虚拟机,会产生不同的完工时间以及货币成本。云中工作流调度的主要问题之一是在满足用户给定的截止时间约束的前提下,找到一种更廉价的调度方法。为解决上述问题提出了一种云环境中满足截止时间约束且优化成本的工作流调度策略DCCO。它基于δ-alap对截止时间进行分配,并考虑了两个任务可能被分配到同一虚拟机的情况。实验结果表明,相比于其他经典调度算法,在不同类型工作流测试下,DCCO具有最高的成功率,且满足截止时间约束,同时可以优化执行成本。

关键词：云环境工作流调度截止日期成本优化

预算约束和截止时间敏感的高能效云工作流调度

在线全文

学校读者我要写书评

暂无评论

计算机工程与设计 2022年第10期43卷 2829-2835页

作者：张雪峰杜孝平王晓健王哲北京赛迪工业和信息化工程监理中心有限公司信息化管理与咨询部北京100048 北京航空航天大学软件学院北京100191 湘潭大学信息工程学院湖南湘潭411105

针对云工作流调度优化问题,提出一种基于预算约束和截止时间敏感的高能效工作流调度算法ESDWB。利用最长路径计算任务优先级,在满足剩余预算的前提下选择目标虚拟机;在不影响工作流执行跨度和预算约束的情况下,利用动态电压/频率调整方... 详细信息

针对云工作流调度优化问题,提出一种基于预算约束和截止时间敏感的高能效工作流调度算法ESDWB。利用最长路径计算任务优先级,在满足剩余预算的前提下选择目标虚拟机;在不影响工作流执行跨度和预算约束的情况下,利用动态电压/频率调整方法DVFS扩展任务完成时间,进一步降低工作流的整体执行能耗。利用4种科学工作流结构进行仿真实验,其结果验证了ESDWB算法在满足预算约束的同时,还可以有效降低截止时间违例,减少工作流调度能耗,实现高能效任务调度。

关键词：云计算工作流调度预算约束能效截止时间敏感任务

云中截止时间动态分配的工作流调度成本优化算法

在线全文

学校读者我要写书评

暂无评论

计算机应用研究 2023年第1期40卷 172-177,184页

作者：潘纪奎董心仪王子健卢政昊孙福权东北大学秦皇岛分校数学与统计学院河北秦皇岛066000 东北大学信息科学与工程学院沈阳110000

现如今,如何在满足截止时间约束的前提下降低工作流的执行成本,是云中工作流调度的主要问题之一。三步列表调度算法可以有效解决这一问题。但该算法在截止时间分配阶段只能形成静态的子截止时间。为方便用户部署工作流任务,云服务商为... 详细信息

现如今,如何在满足截止时间约束的前提下降低工作流的执行成本,是云中工作流调度的主要问题之一。三步列表调度算法可以有效解决这一问题。但该算法在截止时间分配阶段只能形成静态的子截止时间。为方便用户部署工作流任务,云服务商为用户提供了的三种实例类型,其中竞价实例具有非常大的价格优势。为解决上述问题,提出了截止时间动态分配的工作流调度成本优化算法(S-DTDA)。该算法利用粒子群算法对截止时间进行动态分配,弥补了三步列表调度算法的缺陷。在虚拟机选择阶段,该算法在候选资源中增加了竞价实例,大大降低了执行成本。实验结果表明,相较于其他经典算法,该算法在实验成功率和执行成本上具有明显优势。综上所述,S-DTDA算法可以有效解决工作流调度中截止时间约束的成本优化问题。

关键词：云计算工作流调度截止期限竞价实例成本优化

边缘环境下基于模糊理论的科学工作流调度研究

在线全文

学校读者我要写书评

暂无评论

计算机科学 2022年第2期49卷 312-320页

作者：林潮伟林兵陈星福州大学数学与计算机科学学院福州350108 福建省网络计算与智能信息处理重点实验室福州350108 福建师范大学物理与能源学院福州350117

作为一种新型计算范式,边缘计算已成为解决大规模科学应用程序的重要途径。针对边缘环境下的科学工作流调度问题,考虑到任务计算过程中的服务器执行性能波动和数据传输过程中的带宽波动造成的不确定性,文中基于模糊理论,使用三角模糊数... 详细信息

作为一种新型计算范式,边缘计算已成为解决大规模科学应用程序的重要途径。针对边缘环境下的科学工作流调度问题,考虑到任务计算过程中的服务器执行性能波动和数据传输过程中的带宽波动造成的不确定性,文中基于模糊理论,使用三角模糊数表示任务计算时间和数据传输时间,同时提出一种基于遗传算法算子的自适应离散模糊粒子群优化算法(Adaptive Discrete Fuzzy GA-based Particle Swarm Optimization,ADFGA-PSO),目的是在满足工作流截止日期约束的前提下,降低其模糊执行代价。该方法引入遗传算法的两点交叉算子以及关于任务优先级的邻域变异算子和关于服务器编号的自适应多点变异算子,避免粒子陷入局部最优,有效提高算法的搜索性能。实验结果表明,与其他调度策略相比,基于ADFGA-PSO的调度策略能够更加有效地降低边缘环境下带截止日期约束的科学工作流的模糊执行代价。

关键词：边缘计算工作流调度不确定性三角模糊数遗传算子

云中使用竞价实例的截止时间约束的工作流调度优化算法

在线全文

学校读者我要写书评

暂无评论

计算机科学 2023年第4期50卷 257-264页

作者：潘纪奎董心仪卢政昊王子健孙福权东北大学秦皇岛分校河北秦皇岛066000 东北大学研究生院沈阳110000

近年来,由于按需资源供应和即付即用付费模式具有的明显优势,在云环境中执行大规模工作流应用程序越来越流行。云服务提供商以不同的价格提供不同性能的资源。为了提高资源的利用率,许多云服务商提供的瞬时资源的价格远低于正常资源的价... 详细信息

近年来,由于按需资源供应和即付即用付费模式具有的明显优势,在云环境中执行大规模工作流应用程序越来越流行。云服务提供商以不同的价格提供不同性能的资源。为了提高资源的利用率,许多云服务商提供的瞬时资源的价格远低于正常资源的价格,Amazon EC2提供的竞价实例,可以大大降低工作流的执行成本。云中工作流调度的主要问题之一是在满足用户给定的截止时间约束的前提下,找到一种更廉价的调度方法。为解决这个问题,提出了一种使用竞价实例的截止时间约束工作流调度优化算法(Spot-ProLis)。该算法考虑了同一虚拟机上数据传输时长为零的情况,使用概率向上排序的方法对任务进行排序。在资源配置阶段,增加了竞价实例作为候选资源,有效降低了执行成本。实验结果表明,相比经典算法ProLis,所提算法在降低执行成本上具有显著优势。

关键词：云环境工作流调度竞价实例截止时间执行成本优化

一种改进樽海鞘群算法及其多目标云工作流调度应用

在线全文

学校读者我要写书评

暂无评论

计算机应用与软件 2023年第12期40卷 263-271,331页

作者：李果陈信吴迎来安徽新闻出版职业技术学院安徽合肥230601 杭州电子科技大学计算机学院浙江杭州310018 杭州电子科技大学创业学院浙江杭州310018

为了优化云工作流应用的调度效率与代价,提出基于改进樽海鞘群算法的工作流调度策略。建立截止时间与预算约束的多目标优化模型,利用樽海鞘觅食的位置变化对工作流调度进行编解码,设计融合执行跨度与执行代价的权重适应度函数。为了增... 详细信息

为了优化云工作流应用的调度效率与代价,提出基于改进樽海鞘群算法的工作流调度策略。建立截止时间与预算约束的多目标优化模型,利用樽海鞘觅食的位置变化对工作流调度进行编解码,设计融合执行跨度与执行代价的权重适应度函数。为了增强樽海鞘群的寻优性能,引入基于疯狂算子的领导者更新模式,通过疯狂变量,减少领导者更新的停滞早熟现象;引入遗传算子的追随者更新模式,利用个体交叉和变异使樽海鞘群具有更均衡的搜索全局性和个体多样性,避免陷入局部最优。结果证明,改进樽海鞘群算法可以有效提升计算精度和收敛速度;应用于工作流调度求解后,其调度解收敛性更好,调度解集空间分布更加一致。

关键词：云计算工作流调度樽海鞘群算法疯狂算子遗传算子多目标优化

基于强化学习的多目标工作流调度方法的研究与实现

在线全文

学校读者我要写书评

暂无评论

基于强化学习的多目标工作流调度方法的研究与实现

作者：王帅西安电子科技大学

学位级别：硕士

云计算作为可以为各式各样的应用程序提供服务的分布式计算平台,以其灵活的资源配置和付费模式,得到了行业内的广泛关注。工作流模型则可以用来表示含有一组计算任务的应用程序。云服务提供商则需要针对云环境的异构性,对不同种类的任... 详细信息

云计算作为可以为各式各样的应用程序提供服务的分布式计算平台,以其灵活的资源配置和付费模式,得到了行业内的广泛关注。工作流模型则可以用来表示含有一组计算任务的应用程序。云服务提供商则需要针对云环境的异构性,对不同种类的任务进行合理的资源分配,以满足用户提出的服务质量(Qo S)要求。随着问题规模的不断增大和数据量的增长,如何合理地对工作流中的任务进行调度是云服务提供商需要解决的难题之一。在工作流的调度过程中,完工时间和执行成本是大多数用户最关注的优化目标,但是配置高的资源往往租赁价格也更为昂贵,所以在解决这两个互相冲突的优化目标时仍存在许多困难。针对上述问题,本文对云工作流调度问题进行了分析和建模,提出了一种基于强化学习的多目标工作流调度算法。本文的研究内容具体分为以下三方面:(1)对以执行成本和完工时间为优化目标的工作流调度问题进行了定义。首先构建了工作流模型,并根据云环境的异构性,构建了云资源模型。最后根据建立的工作流模型和云资源模型,从数学的角度对以完工时间和执行成本为优化目标的云工作流调度问题进行了定义,并给出了两个优化目标的数学公式。(2)提出了一种基于强化学习的多目标云工作流调度优化算法。首先建立了云工作流调度问题的马尔科夫决策过程(MDP)模型,并分别对问题的状态、动作和奖励进行了建模。根据建立的马尔科夫模型,本文提出了结合深度确定性策略梯度算法(Deep Deterministic Policy Gradient)模型的优化算法,并在Deep Deterministic Policy Gradient模型的奖励函数中使用了一个带有权重(β)的多目标优化函数,β表示对完工时间和执行成本的关注度。并且为了提高算法的有效性,本文在算法的网络参数更新时引入了延迟更新策略和双噪声策略。(3)对本文提出的云工作流调度优化算法进行了对比实验,并验证了其优化的有效性。本文以Workflow Sim为仿真平台,根据Amazon EC2中的实例构建了云资源模型,并选取了多个著名科学工作流模型进行了仿真实验,然后根据工作流的规模将实验分为了大、中、小三个场景。并选取了MAX-MIN、MIN-MIN、NSGA-II和NSPSO作为对比算法进行了对比实验。最终实验结果表明,我们提出的方法在中小规模的场景下对于执行成本和完工时间的优化均好于对比算法,证明了该方法的有效性。

关键词：工作流调度云计算多目标优化强化学习