共查询到20条相似文献，搜索用时 78 毫秒
1.
2.
对嵌入式Linux系统进程中的任务调度算法设计是保证操作系统稳定和高效运行的核心要素。传统的嵌入式Linux系统任务调度算法采用分簇能耗调度的PSO遗传进化算法,当任务复制和区间插入失衡时,调度效果不好。提出一种基于可变精度衰减调制的Linux嵌入式任务调度算法,首先进行Linux嵌入式任务调度平台总体设计,进行任务信息流模型构建,将嵌入式系统客户端将创建好的任务流提交给服务器,结合任务流集合中各任务流的优先级属性和提交时间,进行变精度衰减调制,得到Linux嵌入式分簇任务调度模型。实验结果表明,该算法无论是单个任务流还是在多任务流调度运行环境下,改进算法的任务调度耗时较少,通过可变精度衰减调制,保证了多任务流中的任务能够按照流程优先级属性以及提交的先后次序进行合理的分配,有效提高了Linux嵌入式系统的运行效率。 相似文献
3.
网格任务调度的目标是在最短的时间内将任务进行合理分配并实现负载均衡,最终得到实现全局的最优化调度方案.本文提出了一种兼顾任务之间的依赖关系和负载均衡的网格任务实时调度算法.首先,将网格分成若干个簇,每个簇由PC机、任务调度模块、任务控制器、数据集控制器以及数据存储器组成.簇负责接收用户提交的任务,将这些任务存放在本地任务队列中.通过对任务依赖关系的分析,将任务分配给网格的簇,并根据任务的截止期和依赖关系计算任务优先级,优先调度优先级高的任务.仿真实验表明,在Makespan和花费方面,本文算法都优于传统的Min-Min算法. 相似文献
4.
为了提高云计算任务调度的效率,采用改进的SFLA算法实现任务调度。本文先对云计算任务调度原则和调度策略进行了分析,接着对SFLA算法基本原理及数学模型进行了详述,并提出了智能群体算法和自适应SFLA混合的改进SFLA算法,最后运用实例仿真验证该算法在云计算调度中的性能,与传统SFLA算法比较,改进算法在云计算调度中具有更快收敛性和更高精确性,具有一定的研究价值。 相似文献
5.
6.
《科技通报》2015,(8)
传统方法使用量子群遗传进化方法进行云存储系统任务调度的执行开销建模,在数据汇聚和协议传输中没有考虑量子态的相干性和感知节点的方向性,不能全局搜索最优量子位,执行开销不能实现最小化。提出一种基于量子群聚类的云存储调度最小执行开销建模算法,首先进行量子群聚类进化策略和云存储系统任务调度模型总体设计,设计基于量子群聚类的云存储系统任务调度分配协议,进行有效的资源调度设计,整合云计算中心资源,提高资源利用率,减少任务执行时间。仿真结果得出,该算法能使云存储系统任务调度执行开销与任务规模的匹配性能最佳,性能优于传统算法,在云存储信息管理系统等领域具有较好的应用价值。 相似文献
7.
8.
针对资源提供方不能完成用户所有任务的情况,提出一种服务质量驱动下的任务调度算法,即预算和截止时间限制下的最大任务完成数调度算法(DBCN).这种批调度算法结合了Min-min算法吞吐量较高和线性规划全局优化的优点,不仅考虑了用户的所有任务,同时还考虑了优先级较高的任务.实验结果表明,该算法在任务完成总数方面比经典算法Min-min和DBCT分别提高了约10.6%和22.0%,在优先级高的任务完成总数方面也有大幅度提高,分别约为20%和40%. 相似文献
9.
分析了以往经典的多核SoC任务调度算法的基本原理和性能,并以负载平衡为目的,对多核SoC的任务调度算法进行优化。该算法在流水线调度算法的基础上,引入制导的自调度（GSS）方法,应用于多核SoC的任务调度。通过实验证明该调度策略在系统资源、开销等方面均有较好分配,减少了任务延时,系统的性能有了显著提高,达到负载平衡的目的。 相似文献
10.
11.
为了解决同构多核心处理器任务调度中空调度、无用调度过多,效率较低的问题.提出一种基于反馈约束神经网络的同构多核心处理器任务调度算法.以处理器调度任务完成时间最短为优化目标,建立一个反馈约束的处理器任务调度数学模型,然后采用神经网络算法对其进行求解,并通过有效的约束机制保障计算结果陷入局部最小.计算机仿真测试表明,约束神经网络算法可以获得的同构多核心处理器多任务调度的最优方案,具有一定应用价值. 相似文献
12.
针对云计算任务调度中存在效率低,提出了基于改进的蝙蝠算法(improved bat alogrithm,IBA)云任务调度.首先,建立了以执行时间和负载均衡的调度模型,其次在蝙蝠算法的初始化中采用混沌映射,提高了种群的多样性;在蝙蝠算法的自适应参数使用指数递减因子代替;在每一次迭代后使用量化正交交叉算子进行个体筛选.最后,在仿真实验中,IBA算法相比于蚁群算法、粒子群算法,蝙蝠算法都具有较好的调度效果. 相似文献
13.
针对传统的蚁群算法在云计算中存在任务调度效率低的问题,本文将共生演算法引入到蚁群算法中,首先将蚁群算法分解为2个子群,并使用共生演算法中的共生,共栖和寄生虫机制避免了算法陷入局部最优,加速了算法获得最优解,在云计算调度仿真中,基于蚁群算法-共生演算法在虚拟机负载均衡、任务完成时间,任务完成成本等方面都有良好的表现,说明本文算法能够有效的提高云计算任务调度效率。 相似文献
14.
在一般的云计算作业调度算法中普遍存在因为执行作业增多而导致的执行速度较慢的问题。本文以此入手提出了以蚁群算法位基础的改进后的GT算法。改进后的算法首先初始化各个参数,之后借助于GT算法来寻求初始信息素,并把它变为蚁群算法的启发式信息。接着采用蚁群算法进行构造个体解和求解目标函数值的操作,最后进行任务调度工作。仿真试验结果表明,本文提出的基于蚁群算法的改进GT算法在云计算海量作业调度优化中,表现出了比标准GT算法更快的响应速度、更低的负载和更快的执行速度。 相似文献
15.
针对当前大数据任务的调度管理,传统的调度处理方法采用随机调度机制,从单个节点的性能出发,无法达到全局最优化的效果。提出基于改进多时隙散点算法的大数据任务调度管理方法,为了克服多时隙调度算法的缺点,运用多时隙调度算法时,引入了一个管理因子,对系统节点进行数据调度任务分配,根据分配的任务进行评价和估计,并且不断更新实时任务,追求最优性能,最终达到全局最优化。最后通过一组20节点数据进行测试实验,结果显示,采用改进的多时隙大数据任务调度管理算法,相对于传统调度方法,系统整体效率提高了平均约28%,具有很好的应用价值。 相似文献
16.
《科技通报》2015,(10)
在路由冲突协议下难以实现对语义检索任务的嵌入式调度,在路由冲突协议设计和网络协议识别中,由于语义检索码在链路负载导致网络通信效率低下,为了提高语义检索任务的调度能力,避免路由冲突,提出一种基于语义相似度融合的Linux嵌入式任务调度算法。通过语义相似度特征模型构建,易于实现语义检索的嵌入式任务调度和路由信息分流。对每组语义相似度特征进行特征融合,得到Linux嵌入式分流矩阵向量长度,进行特征分解,得到样本协方差,实现算法改进。仿真结果得出,算法具有较高的吞吐率和召回率,执行效率较高,检索精度优越,有效提高了语义检索嵌入式任务调度的运行效率。在语义系统构建和检索优化设计中具有较好的应用前景。 相似文献
17.
网格任务调度是采用适当的调度策略把应用程序分配到异构的计算节点上进行高效的执行并返回正确结果的过程。本文研究了经典网格任务调度模型,分析了各自的优缺点,并提出了一种包含有树形全局调度模型和局部调度模型的两层结构模型,此树形全局调度模型通过负载从根节点自上而下的迁移,能够很好地实现网格系统的负载平衡。通过二叉树的节点删除算法能够很好地解决模型中节点的失效问题,因此具有很好的安全性和可靠性。 相似文献
18.
实时系统不仅要求任务调度的正确性,还必须要求系统在任务调度时,无论是周期性任务,还是非周期任务或者偶发任务,尽最大可能保证系统响应的及时性。因此实时系统中的调度算法是决定系统实时性的重要指标。偶发作业具有强实时性,释放时间的不规律性,以及作业调度的不可预测性,针对偶发作业的这些特点,提出了一种利用空闲挪用与EDF算法相结合的混合调度策略,提高了处理器的响应时间以及偶发作业调度的可靠性。 相似文献
19.
文章提出一种基于混合时隙自适应分配的嵌入式云平台的实时任务最优调度算法,真结果表明,采用本文算法进行嵌入式云平台的实时任务调度的实时性和鲁棒性较好,通过自适应的时分多址时隙分配,任务调度的均衡度提高,性能优越。 相似文献