基于改进的多级反馈队列算法的任务调度研究

发布时间：2017-09-29 20:23

  本文关键词：基于改进的多级反馈队列算法的任务调度研究

  更多相关文章： 任务调度 多级反馈队列 动态时间片 神经网络

【摘要】：近年来,大数据、云计算等新兴技术的出现,给任务调度方法研究带来了新的挑战。任务调度问题是将任务进程按照一定的规则分配到处理器上,使得任务完成时间最短。有效的任务调度方法将会大大提高处理器系统的计算能力,降低不必要的能耗。多级反馈队列调度算法结合了先来先服务调度算法、短作业优先调度算法、优先级调度算法和轮转调度法等多种方法。相比于这几种调度算法,它不必事先知道各种进程的执行时间,而且还可以满足各种类型进程的需要。尤其是在解决海量任务的时候,多级反馈队列调度算法的优势更为明显。本文以独立任务为研究对象,对传统的基本任务调度方法进行了研究。通过对多级反馈队列任务调度算法的改进,获得了更快的任务完成时间和较小的开销。主要工作体现在如下几个方面:(1)研究操作系统的基本调度方式和调度算法,通过具体的实例对比六种基本调度方法,分析了它们在面向用户和面向系统两个准则上的性能差异,给出了各个调度算法的优势和劣势;研究了神经网络技术的特征、常用的神经网络结构以及神经网络用于多级反馈队列的优点。(2)对基于多级反馈队列(Multi-Layer Feedback Queue,MLFQ)的几种任务调度模型进行深入研究,多级反馈队列调度算法的关键因素是对时间片的选取,过长的时间片大小不利于短进程作业用户和过短的时间片大小不利于长进程作业用户,针对该问题提出一种改进的MLFQ算法(Multi-Layer Feedback Queue based on Burst Time of the running processes,BT-MLFQ)。BT-MLFQ算法采用动态时间片方法,首先采用队列当前的时间片大小来执行初次进入系统的进程,利用计时器预估该进程的执行时间;其次,根据队列中进程的执行情况,依次创建队列,直到所有进程都执行完毕。实验结果表明,相对于其他的MLFQ算法,BT-MLFQ算法在任务平均周转时间、平均等待时间和交换次数上有明显的提升,是一种高效的智能任务调度算法。(3)考虑用户任务进程的相关性,为了让BT-MLFQ算法更具有适应性,利用神经网络通过学习任务进程来优化多级反馈队列算法时间片和队列的大小,从而完成了基于进程执行时间的多级反馈队列自适应(A Self-Adaption Multi-Layer Feedback Queue Based on the Burst Time,SA-BT-MLFQ)调度算法模型的设计。
【关键词】：任务调度 多级反馈队列 动态时间片 神经网络
【学位授予单位】：南京航空航天大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP301.6
【目录】：

• 摘要4-5
• ABSTRACT5-11
• 缩略词11-12
• 第一章 绪论12-17
• 1.1 研究背景和意义12-13
• 1.2 国内外研究现状13-15
• 1.3 论文的主要研究工作15
• 1.4 论文的组织结构15-16
• 1.5 小结16-17
• 第二章 任务调度相关技术17-33
• 2.1 任务调度概念17-19
• 2.1.1 任务调度的相关定义17-18
• 2.1.2 任务调度机制18-19
• 2.2 任务调度准则19-20
• 2.2.1 面向用户的准则19-20
• 2.2.2 面向系统的准则20
• 2.3 基本调度算法20-29
• 2.3.1 先来先服务调度算法21
• 2.3.2 短作业优先调度算法21-24
• 2.3.3 优先权优先调度算法24-25
• 2.3.4 最高响应比优先调度算法25
• 2.3.5 轮转调度算法25-27
• 2.3.6 多级反馈队列调度算法27-29
• 2.4 人工神经网络29-32
• 2.4.1 人工神经网络概述29-30
• 2.4.2 人工神经网络工作原理30-31
• 2.4.3 人工神经网络应用于多级反馈队列算法31-32
• 2.5 小结32-33
• 第三章 基于多级反馈队列的任务调度算法33-44
• 3.1 时间片相等的多级反馈队列算法33
• 3.2 时间片增加的多级反馈队列算法33-34
• 3.3 基于进程执行时间的多级反馈队列算法策略设计34-42
• 3.3.1 动态时间片34-36
• 3.3.2 算法描述36-38
• 3.3.3 算法分析38-39
• 3.3.4 仿真实验与结果分析39-42
• 3.4 小结42-44
• 第四章 基于BT-MLFQ算法的自适应任务调度模型44-54
• 4.1 初始队列个数的确定44-45
• 4.2 递归神经网络优化时间片45-49
• 4.2.1 递归神经网络46
• 4.2.2 学习算法46-48
• 4.2.3 算法描述48-49
• 4.3 仿真实验与结果分析49-52
• 4.4 小结52-54
• 第五章 总结与展望54-56
• 参考文献56-60
• 致谢60-61
• 在学期间的研究成果及发表的学术论文61

【相似文献】

中国期刊全文数据库 前1条

1 黄斌;多级反馈队列调度策略在Linux中的应用和实现[J];计算机工程;2004年20期

中国硕士学位论文全文数据库 前1条

1 邱相存;基于改进的多级反馈队列算法的任务调度研究[D];南京航空航天大学;2015年

，

本文编号：944062