简介:随着数据密集型计算的飞速发展,在虚拟计算环境研究的基础上,数据虚拟计算环境的研究工作也发展得如火如荼。其中,虚拟计算环境计算的任务调度是一个非常重要的问题,调度算法和策略的好坏将直接影响任务执行的效率乃至成败。提出了一种新的虚拟计算环境DAG任务调度算法,并建立了树状层级调度模型。通过将虚拟计算环境DAG任务转化为参数化任务图PTG(ParameterizedTaskGraph),采用在线和批处理相结合的方式,对各层任务进行在线处理,对层内任务进行批调度;经仿真平台实验,该本算法可有效提高并行效率,缩短调度时间。
简介:在移动边缘云计算系统中重复覆盖的异构网络场景下,为了满足移动终端的任务卸载需求,同时降低终端任务卸载代价,提出基于演进博弈的云资源和计算资源联合分配方案(JRA-EG).同一个区域内具有任务卸载需求的终端形成一个种群,种群中终端通过选择不同的服务点(SPs)获得不同的无线资源和计算资源.为了建模与分析服务点选择与资源分配,建立了演进博弈模型.博弈的代价函数包括能耗代价、时延代价和经济代价.分别提出了基于复制动态的集中式算法和基于Q-learning的分布式算法求解演进均衡.仿真结果表明,所提的2种算法均能快速收敛至均衡解.与已有算法相比,JRA-EG方案节省了终端消耗能量,同时也降低了任务卸载时延.提出的方案能合理调度云资源和无线资源,从而有效降低终端的任务卸载代价.
简介:本文给Milne—Simpson预测一校正法新的导出方法.并以结构优化思想设计出通用性和可靠性较强的算法。