考虑处理机时间窗口的可分任务调度优化模型
本文选题:处理机 切入点:可分任务调度 出处:《西安交通大学学报》2017年09期 论文类型:期刊论文
【摘要】:针对异构分布式系统下处理机具有时间窗口约束的可分任务调度问题,通过寻找最优的任务分配方案和最优的处理机调度顺序,可以使得任务的完成时间最短。首先,在已有模型上引入处理机时间窗口的概念,使得所建模型更加贴切实际;然后,建立了一个新的考虑处理机时间窗口可分任务调度的非阻塞优化模型,同时设计了一种基于全局优化的遗传算法来求解模型;最后,为了快速、高效地求解模型,所提算法同时对处理任务量和调度顺序进行编码,利用不同的交叉算子来优化调度顺序和任务分配量,设计了合理的修正算子来修正不满足处理机时间窗口的任务分配方案,并且设计了高效的局部搜索算子来加快算法的收敛速度。仿真实验结果表明,在处理机时间窗口约束下,与已有算法相比,所提算法至少提升了20%以上的性能,从而证明了所提算法的正确性和有效性。
[Abstract]:For the divisible task scheduling problem with time window constraints in heterogeneous distributed systems, the task completion time is shortest by searching for the optimal task allocation scheme and the optimal processor scheduling order. The concept of processor time window is introduced to the existing model, which makes the model more practical. Then, a new non-blocking optimization model considering processor time window divisible task scheduling is established. At the same time, a genetic algorithm based on global optimization is designed to solve the model. Finally, in order to solve the model quickly and efficiently, the proposed algorithm encodes the processing task and scheduling order simultaneously. Using different crossover operators to optimize the scheduling order and task allocation, a reasonable modified operator is designed to modify the task allocation scheme which does not satisfy the processor time window. An efficient local search operator is designed to speed up the convergence of the algorithm. The simulation results show that the proposed algorithm improves the performance of the proposed algorithm by more than 20% compared with the existing algorithms under the constraint of the processor time window. Thus, the correctness and validity of the proposed algorithm are proved.
【作者单位】: 西安电子科技大学计算机学院;
【基金】:国家自然科学基金资助项目(61472297,U1404622)
【分类号】:TP18
【相似文献】
相关期刊论文 前10条
1 叶林;刘人境;;网络化制造环境下任务调度的非合作博弈模型及实现[J];中国机械工程;2006年08期
2 查英华;杨静丽;;改进蚁群算法在云计算任务调度中的应用[J];计算机工程与设计;2013年05期
3 陈军;谢立;孙钟秀;彭湘林;郑宇华;;基于知识处理的分布式任务调度[J];计算机工程与应用;1990年Z1期
4 卿娟;;应用改进粒子群算法在云计算任务调度中的应用及其仿真研究[J];计算机光盘软件与应用;2014年06期
5 代亮;沈中;常义林;张颖;闫中江;;无线传感器网络任务调度双层规划方法[J];兵工学报;2010年12期
6 张金泉,倪丽娜,蒋昌俊,杜晓丽;独立任务调度的启发式算法[J];计算机工程与应用;2005年11期
7 李英;黄国范;;遗传算法在云任务调度中的应用[J];洛阳师范学院学报;2013年05期
8 李依桐;林燕;;基于混合粒子群算法的云计算任务调度研究[J];计算技术与自动化;2014年01期
9 孙大伟;董新民;郭创;;基于蚁群算法的飞行器管理系统任务调度[J];电光与控制;2014年08期
10 毛磊;萧蕴诗;何斌;岳继光;;实时系统的控制与任务调度协同设计[J];计算机测量与控制;2007年03期
相关会议论文 前4条
1 王军;巢玉强;彭钊轶;;基于任务调度的电能量计量采集系统的设计与实现[A];2006电力系统自动化学术交流研讨大会论文集[C];2006年
2 张晓云;岳继光;杨麟祥;;零星任务调度在多控制任务系统中的应用[A];第16届中国过程控制学术年会暨第4届全国故障诊断与安全性学术会议论文集[C];2005年
3 杨舰;黄道平;李小亚;;GDCS任务调度的SPN模型研究[A];第二十六届中国控制会议论文集[C];2007年
4 朱智林;杜慧秋;;TTCAN任务的优化调度算法[A];2008通信理论与技术新发展——第十三届全国青年通信学术会议论文集(下)[C];2008年
相关博士学位论文 前1条
1 金刚;云环境下任务调度关键问题研究[D];吉林大学;2015年
相关硕士学位论文 前10条
1 徐彬;云环境下基于动态融合遗传蚁群算法的DAG任务调度研究[D];南京信息工程大学;2015年
2 钟潇柔;基于动态遗传算法的云计算任务节能调度策略研究[D];哈尔滨工业大学;2015年
3 温宇昂;单阶段差异化多机可拆分任务调度优化方法[D];东北大学;2013年
4 高文静;云环境下任务调度能耗优化算法的研究[D];南京邮电大学;2015年
5 范增辉;进化算法在软件工程任务调度中的研究与应用[D];江南大学;2016年
6 颜丽燕;基于云计算的任务调度问题的研究[D];江南大学;2016年
7 陆恒;认知计算中基于机器学习的数据处理模型研究[D];南京邮电大学;2016年
8 李晓璐;基于模拟退火遗传算法的云计算任务调度的研究[D];华中师范大学;2016年
9 李蓉蓉;基于人工蜂群算法的云任务调度研究[D];合肥工业大学;2016年
10 查安民;优化粒子群和蚁群算法的云计算任务调度研究[D];南京航空航天大学;2016年
,本文编号:1611202
本文链接:https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/1611202.html