任务调度

摘要： 针对云资源调度中任务分配效率和资源利用率低等情况,提出一种改进的人工蜂群算法。在基本人工蜂群算法基础上,将交叉机制与全局最优引导的人工蜂群算法相结合,增强人工蜂群算法中蜂群对蜜源的开发能力,同时保持探索能力。在观察蜂选择策略中,引入灵敏度的概念。灵敏度通过配合蜜源信息素而让观察蜂选择蜜源,增加种群的多样性,避免算法陷入局部最优。实验结果表明:改进的人工蜂群算法更快收敛,当任务数为200个时,改进的人工蜂群算法的任务完成时间比人工蜂群算法和蚁群算法分别减少了24 s和35 s。

摘要： 大数据分析系统的用户希望任务的执行时间尽可能短。然而,在任务执行期间,网络与计算时刻都可能成为阻碍任务执行的资源瓶颈。通过对大数据分析系统的观察与分析,得出如下结论:1)根据当前资源瓶颈的不同,数据并行框架应当在多种工作模式之间切换;2)子任务的调度应当充分考虑将来可能到达的新任务,而不能仅考虑当前已经提交的任务。基于上述观察,设计并实现了全新的任务调度系统Duopoly,其由感知计算资源的网络调度器cans与感知网络资源的子任务调度器nats两部分组成。通过小规模物理集群与大规模仿真实验对Duopoly的效果进行评估,实验结果表明,与现有工作相比,Duopoly可以将平均任务完成时间缩短37.30%~76.16%。

摘要： 移动边缘计算(Mobile Edge Computing,MEC)把计算和存储等资源部署在网络边缘以满足某些对延迟要求苛刻的应用.用户设备可以通过无线网络将计算任务整体或者部分卸载到边缘服务器执行从而降低延迟和本地耗能,进而获得良好的用户体验.现有传统优化算法在MEC卸载决策和资源分配方面是可行的,但传统优化算法并不很适合高实时性的MEC系统.深度强化学习可以通过与传统优化算法不同的方式,建立尝试-奖励反馈机制,通过积累经验进行学习,从而完成优化目标.本文考虑移动边缘计算网络中多用户多任务卸载的情况下,研究任务卸载中的卸载决策和任务调度以及服务器资源分配的问题,以最小化系统延迟和传输耗能、本地耗能为目标,基于深度强化学习提出了一种多用户多任务下的任务卸载调度与资源分配算法,在上层服务器分配资源确定的情况下,提出基于贪心策略的流水车间调度算法解决了任务卸载决策和卸载调度问题,下层采用强化学习方法优化服务器资源分配问题.仿真结果表明,所提出的方法在降低延迟和本地耗能方面有比较优越的性能.

摘要： 边缘计算模式满足数据的实时和低功耗处理需求,是缓解当前网络数据洪流实时处理问题的有效方法之一.但边缘设备资源的异构与多样性给任务的调度与迁移带来极大的困难与挑战.目前,边缘计算任务调度研究主要集中在调度算法的设计与仿真,这些算法和模型通常忽略了边缘设备的异构性和边缘任务的多样性,不能使多样化的边缘任务与异构的资源能力深度匹配.本文针对边缘计算系统资源异构且受限的特性,研究边缘任务与目标设备资源深度匹配的有效方法,提出基于任务资源匹配、负载均衡和任务公平性的综合匹配度评估方法(integrative matching evaluation degree method,IMDE),并设计基于网络流的在线多任务调度算法(IMDE and network flow based online multi-task scheduling algorithm,IMD-FLOW)来验证该方法的有效性.同时,研究边缘计算的仿真系统,将实际环境中用户、任务和设备等若干实体抽象成多个角色和组件,构建符合边缘环境异构特征的EdgeSimPy离散事件仿真平台.在该平台上的实验结果表明,提出的IMD-FLOW调度算法相较于轮询、主资源公平(dominant resource fairness,DRF)、Quincy等其他算法,至少降低6.26%的任务响应延迟与7.53%的网络通信开销,在集群超负荷的情况下,系统失效时间平均延缓1.24倍.

摘要： 随着大数据和机器学习的火热发展,面向机器学习的分布式大数据计算引擎随之兴起.这些系统既可以支持批量的分布式学习,也可以支持流式的增量学习和验证,具有低延迟、高性能的特点.然而,当前的一些主流系统采用了随机的任务调度策略,忽略了节点的性能差异,因此容易导致负载不均和性能下降.同时,对于某些任务,如果资源要求不满足,则会导致调度失败.针对这些问题,提出了一种异构任务调度框架,能够保证任务的高效执行和被执行.具体来讲,该框架针对任务调度模块,围绕节点的异构计算资源,提出了概率随机的调度策略resource-Pick_kx和确定的平滑加权轮询算法.Resource-Pick_kx算法根据节点性能计算概率,进行概率随机调度,性能高的节点概率越大,任务调度到此节点的可能性就越高.平滑加权轮询算法在初始时根据节点性能设置权重,调度过程中平滑加权,使任务调度到当下性能最高的节点上.此外,对于资源不满足要求的任务场景,提出了基于容器的纵向扩容机制,自定义任务资源,创建节点加入集群,重新完成任务的调度.通过实验在benchmark和公开数据集上测试了框架的性能,相比于原有策略,该框架性能提升了10%-20%.

摘要： 分布式星载多RTs(Remote Terminal)系统的任务主要基于功能进行分配,而数据处理任务的突发性往往会使不同计算机之间负载不均衡。运用灵活的负载调度机制,可以有效调节不同计算机间的负载差异,从而在一定程度上提升计算机系统的整体性能。文中提出了一种基于机器学习的分布式星载RTs系统负载调度算法,包含样本采集、任务吞吐率预测模型构建、吞吐率预测和负载调度等4个步骤。在构建任务吞吐率预测模型环节,通过机器学习的线性回归正规方程获取模型权重,缩短了构建模型消耗的时间。在负载调度环节,若RTs的吞吐率之和大于系统总的负载数据量,则按吞吐率比例给各RTs分配数据,否则只给负载数据量小于自身吞吐率的RTs分配一定量的数据。在多台星载计算机电性能产品构建的地面模拟系统上的实验结果表明,该算法可以使系统所有节点的平均CPU利用率提高23.78%,节点间的CPU利用率方差降低至34.59%,同时目标任务的系统总吞吐量显著提升225.97%。也就是说,该方法在确保系统负载均衡性的同时,可有效提高系统的资源利用率,提升星载计算机系统的数据实时处理性能。

摘要： 物联网节点移动导致网络拓扑的动态变化,动态组网给终端任务调度带来严重的路由、功耗、以及准确性等问题。为解决上述问题,提出一种基于移动节点追踪的时隙调度策略。为了确保拓扑变化过程中,网络终端任务调度获得最佳路由,考虑到节点的感知功效和感知能效,设计了感知精度与能量平衡的节点追踪方法。在节点位置感知的基础上,对网络拓扑采取节点区域划分,为了准确分配时隙,利用区域划分中的节点稀疏性和关联度,引入了自关联因素,构造时隙节点的自关联特征。同时利用非线性时序进行模型分解,并根据时隙特征确定单跳或者多跳路由,从而使时隙更好的适应数据流量和路由变化,尽可能改善网络资源的利用情况。仿真结果表明,基于移动节点追踪的时隙调度策略具有良好的节点追踪效果,优化节点的功耗与分区,为时隙调度提供可靠的分区组网;另外,方法在终端任务调度时具有良好的网络节点均衡性,且有效提高了物联网终端任务调度的高效性。

摘要： 目前大多数中小规模的嵌入式软件应用不能采用操作系统,必须耗时费力重新搭建对应的软件结构。为此,文中提出一种可快速部署实施的通用软件构架方案。该方案基于可快速完成一次执行的线性任务,以前后台系统为背景,借助任务列表与任务堆栈实现全部任务的协作式自主调度;通过区分即时任务和延时任务,支持延时等待、定周期和变周期检查、人机交互、任务衔接等嵌入式系统必要功能的组合实现。实验结果表明,文中方案资源占用少、硬件无关性好、简单高效、灵活易用、安全稳定。文中提出的基于线性任务的协同多任务处理方法可全部采用C语言实现嵌入式单机系统完全分布式的动态多任务调度,以此为基础可在无操作系统的嵌入式软件应用中快速搭建系统结构,并完成后继应用功能的开发。

摘要： 由于AGV的车型分配与路径规划影响着柔性制造车间的生产效率与经济效益,同时考虑到AGV在运行过程中的转弯行为会使总配送时间延长,并造成额外的能源消耗。因此以工厂柔性制造车间为对象,首先将AGV总能耗最小和软时间窗惩罚成本最小等作为组合优化目标;其次结合AGV工作过程中直行与转弯两种运动模式下的能耗分析,建立以软时间窗为约束的多车型AGV优化配送模型;最后使用遗传算法对其求解。通过实验结果表明:采用多车型AGV配送与单一轻载配送相比,总成本降低了10%;与单一重载配送相比,总成本降低近21.1%,转弯成本减少21.3%。总之,多车型配送方案能够在保证柔性车间运转效率的同时达到优良的节能效果。

摘要： 多层穿梭车自动存取系统集存储和拣选功能于一体,利用高层货架实现货物密集存储,穿梭车、提升机等多设备并行作业。多层穿梭车自动存取系统作业效率较高,但是设备调度方案与配置参数等因素均会影响系统性能。通过剖析多层穿梭车自动存取系统的工作流程和设备服务时间,研究穿梭车和提升机并行工作的约束规则,建立了以出库时间最小为优化目标的混合整数规划模型。在模型求解方面上,分别使用禁忌搜索算法、遗传算法改进了蚁群算法,并提出一种Gurobi与启发式算法结合的求解新思路,经过实验验证,求解精度和求解效率有较大提升。最后,通过计算不同的任务规模实例分析了3种改进算法的求解性能,建立了一套出库任务规模与精确求解的适配方案,减少了系统订单作业时间,提高了系统作业效率。

摘要： 具有主动成像能力的视频成像卫星是一类新型对地观测卫星,依靠主动成像能力,它对地观测的成像时长是可变的.卫星可以获取地面目标一段时间内的连续图像信息,特别对于监视目标具有更强的观测能力.但新型的能力给卫星成像任务调度带来新的挑战,增加了任务调度问题求解的难度.本文将研究此类新型的更为复杂的卫星成像任务调度问题,提出一种成像时长计算方法.基于一类简单贪心算法,设计两类试验:单体试验和整体试验,详细分析任务成像时长变化的对卫星成像任务调度问题求解的影响,归纳一系列启发知识,并在贪心求解算法引入这些启发知识,分析算法的提升性.

摘要： 当前信息物理融合系统的成熟发展推动了嵌入式系统从单核处理器向多核片上系统的转变.任务的有效分配和调度是保证多核片上系统性能的关键.为提升多核片上系统的性能,本文提出了一种基于遗传算法的软硬件划分与任务调度算法,该算法结合了经典遗传算法与基于静态优先级的表调度方法,在确保多核片上系统总体运行时间最小的前提下,能够同时给出系统软硬件划分策略与任务调度序列.通过与已有算法的试验对比发现:采用本文提出的算法,系统时间性能与硬件利用率有显著的提高.

摘要： 软件定义网络(SDN)是一种能将基础设备的网络控制功能分离并集中地部署到控制器中的网络架构.实际的Hadoop系统中,存在一个最小化作业完成时间的NP完全问题.本文在Hadoop中引入SDN,利用SDN的网络控制能力,将网络中的可用剩余带宽作为任务调度的重要参数,并因此提出任务调度算法RBA.使用RBA可获得任务的近似最优分配方案,从而实现作业完成时间的最小化.最后,通过仿真实验验证RBA在作业完成时间、任务数据本地性及计算时间方面的性能.实验结果表明,总体上RBA较其他3个算法是更优的.

摘要： 本文简要介绍了基于分布式搜索与研判技术的互联网视听节目监管系统的任务调度设计与实现,描述了采用分布式任务调度技术的总体架构,重点针对分布式任务注册,任务调度,任务服务提供者进行了说明,并详细介绍了分布式任务注册中心.

摘要： 智能电网及电力系统的发展进入了大数据时代,高效利用大数据,实现电力系统负荷的优化合理分配,进而提升电力系统对新能源发电的消纳能力是当前的研究热点.以某地区含有的风电场、光伏电站和火电机组的运行数据作为研究对象,在进行大数据分析预测的基础上,提出了一种提前15分钟电网调度方法.首先对包括风电、光伏及电力负荷在内的调度数据进行分析,运用人工智能方法建立新能源出力与电力负荷非线性模型;其次,在测试时段预测风电、光伏调度值;最后,结合测试时刻前的电网负荷值,得出测试时刻风电及光伏的调度值,实现在测试时刻的新能源电源负荷配比.经过实际算例验证,与实际运行的新能源发电出力值误差较小,具有较强的实际应用价值.

摘要： 智能电网及电力系统的发展进入了大数据时代,高效利用大数据,实现电力系统负荷的优化合理分配,进而提升电力系统对新能源发电的消纳能力是当前的研究热点.以某地区含有的风电场、光伏电站和火电机组的运行数据作为研究对象,在进行大数据分析预测的基础上,提出了一种提前15分钟电网调度方法.首先对包括风电、光伏及电力负荷在内的调度数据进行分析,运用人工智能方法建立新能源出力与电力负荷非线性模型;其次,在测试时段预测风电、光伏调度值;最后,结合测试时刻前的电网负荷值,得出测试时刻风电及光伏的调度值,实现在测试时刻的新能源电源负荷配比.经过实际算例验证,与实际运行的新能源发电出力值误差较小,具有较强的实际应用价值.

摘要： 智能电网及电力系统的发展进入了大数据时代,高效利用大数据,实现电力系统负荷的优化合理分配,进而提升电力系统对新能源发电的消纳能力是当前的研究热点.以某地区含有的风电场、光伏电站和火电机组的运行数据作为研究对象,在进行大数据分析预测的基础上,提出了一种提前15分钟电网调度方法.首先对包括风电、光伏及电力负荷在内的调度数据进行分析,运用人工智能方法建立新能源出力与电力负荷非线性模型;其次,在测试时段预测风电、光伏调度值;最后,结合测试时刻前的电网负荷值,得出测试时刻风电及光伏的调度值,实现在测试时刻的新能源电源负荷配比.经过实际算例验证,与实际运行的新能源发电出力值误差较小,具有较强的实际应用价值.

摘要： 智能电网及电力系统的发展进入了大数据时代,高效利用大数据,实现电力系统负荷的优化合理分配,进而提升电力系统对新能源发电的消纳能力是当前的研究热点.以某地区含有的风电场、光伏电站和火电机组的运行数据作为研究对象,在进行大数据分析预测的基础上,提出了一种提前15分钟电网调度方法.首先对包括风电、光伏及电力负荷在内的调度数据进行分析,运用人工智能方法建立新能源出力与电力负荷非线性模型;其次,在测试时段预测风电、光伏调度值;最后,结合测试时刻前的电网负荷值,得出测试时刻风电及光伏的调度值,实现在测试时刻的新能源电源负荷配比.经过实际算例验证,与实际运行的新能源发电出力值误差较小,具有较强的实际应用价值.

摘要： 智能电网及电力系统的发展进入了大数据时代,高效利用大数据,实现电力系统负荷的优化合理分配,进而提升电力系统对新能源发电的消纳能力是当前的研究热点.以某地区含有的风电场、光伏电站和火电机组的运行数据作为研究对象,在进行大数据分析预测的基础上,提出了一种提前15分钟电网调度方法.首先对包括风电、光伏及电力负荷在内的调度数据进行分析,运用人工智能方法建立新能源出力与电力负荷非线性模型;其次,在测试时段预测风电、光伏调度值;最后,结合测试时刻前的电网负荷值,得出测试时刻风电及光伏的调度值,实现在测试时刻的新能源电源负荷配比.经过实际算例验证,与实际运行的新能源发电出力值误差较小,具有较强的实际应用价值.

摘要： 针对当前应急保障领域无人机智能化程度不高的现状,本文对无人机系统综合在线管控平台的关键技术展开研究.平台采用智能云端远程控制系统,对无人机进行综合调控和调度,搭配30倍光学变焦云台相机等传感器以及无人机智能机库系统,可实现全天候无死角,高广度,宽领域的无人机自动化任务运行方案.该系统可根据天气情况自动进行任务安排、航迹规划、飞行器调度,通过云端网络互联可组成蜂巢式结构的宏观无人机系统.通过四川茂县的山体滑坡现场的测试证明,该平台可以有效提高无人机的调度能力与响应速度,为应急保障提供有力的数据支撑.

摘要： 本申请适用于运维领域，提供了任务调度方法、装置、设备及存储介质。包括：根据预先存储的元数据信息构建多个任务节点；获取元数据信息对应的依赖关系，并根据依赖关系，构建多个任务节点之间的依赖关系；基于多个任务节点和多个任务节点之间的依赖关系，构建任务关系有向无环图；触发任务关系有向无环图中任一任务节点的调度请求；执行调度请求对应的任务节点的任务。上述方案中，利用构建的任务关系有向无环图自动配置每个任务节点的任务，可实时调整每个任务节点的任务的执行流程。且可从任一任务节点的任务开始执行任务，解决了现有的作业调度方案，必须从头任务节点开始执行的限制，提高了业务流程的调度效率。

摘要： 本申请公开一种任务调度系统，任务调度方法和装置，调度任务的配置方法和装置，智能会话数据分析方法和装置，计算机存储介质和电子设备，其中所述系统包括：任务配置端、任务调度中心以及任务执行节点；任务配置端用于配置待执行任务，在配置待执行任务时包括配置执行待执行任务的执行方式，执行方式包括数据仓库技术ETL、结构化查询语言SQL和远程过程调用RPC中的至少一种；任务调度中心，用于从任务配置端获取所述待执行任务，对待执行任务进行解析，并根据所述解析结果确定任务执行节点；任务执行节点，用于根据任务配置端为所述待执行任务配置的执行方式执行任务调度中心分配的待执行任务。从而保证任务执行的灵活性，以及降低技术成本的投入。

摘要： 本发明实施例公开了一种分布式任务调度的方法、任务调度平台及任务执行器。任务调度平台与任务执行器通信，任务执行器设置于云服务器和/或边缘设备中，该方法包括：接收任务执行器发送的心跳注册请求，心跳注册请求包括任务执行器的状态信息；响应于接收到心跳注册请求，生成任务执行器对应的任务信箱；根据任务执行器的状态信息将任务池中的任务派发至任务执行器对应的任务信箱。这样，任务执行器能够同时工作于服务器和边缘设备，且一台机器能够部署多个任务执行器，能够有效提高分布式任务调度的计算资源利用率。

摘要： 本申请涉及一种任务调度装置、任务调度器、任务处理装置，根据任务的配置信息及处理器的状态信息，对任务进行调度，可以对任务进行高效合理的调度。

摘要： 本申请涉及一种任务调度控制方法、任务调度器和任务处理装置。该方法用于并行任务调度的控制，可以保证进行调度的任务有序高效的进行调度，进而保证任务所属的程序的执行过程逻辑正确。

摘要： 本申请公开了一种任务调度方法、任务调度设备和计算机可读存储介质，该方法包括：获取有向有环图，有向有环图包括多个处理节点；为每个处理节点配置相应的层级值，层级值沿着处理节点的数据传输方向递增；从多个处理节点中依次选取出当前处理节点；基于当前处理节点的层级值与剩余处理节点的层级值，从预设调度策略集中选出一种调度策略，得到当前调度策略；采用当前调度策略将当前处理节点的输入数据输入当前处理节点，以使得当前处理节点对输入数据进行处理。通过上述方式，本申请能够提升任务调度的适应性。

摘要： 本发明公开了一种建筑施工机群任务调度方法、装置及任务调度中心。本发明通过将机种设备集与施工任务集进行对应，可根据不同的施工任务集向不同机种的执行设备调度任务，通过根据预先定义的任务优先级设置策略对各个施工任务集中的每一施工任务设置优先级，按优先级顺序排列各个施工任务集中的所有施工任务，可在每次向不同机种的执行设备调度任务时，优先调度执行设备对应的最高优先级的施工任务，保证不同机种的执行设备均优先执行最高优先级的施工任务，从而能够对建筑施工机群进行任务调度，提高建筑施工机群的作业效率。

摘要： 本申请公开了一种任务调度方法和装置、任务调度系统、存储介质，任务调度方法包括：中心平台获取用户配置的关于若干个目标任务的初始任务信息；对所述若干个初始任务信息进行融合处理，得到待下发的目标任务信息；将所述目标任务信息下发至各所述目标任务对应的执行设备，以便所述执行设备基于所述目标任务信息执行对应的所述目标任务。上述方案，能够对目标任务进行融合处理，减少执行设备的资源占用。

摘要： 本公开提供了一种任务调度装置、任务调度方法、芯片、设备以及介质，其中，该方法包括：在获取到待处理任务之后，确定多个运算单元中每个所述运算单元的运行状态；基于所述运行状态在所述多个运算单元中查询处于空闲状态的至少一个第一运算单元；获取基于处于非空闲状态的第二运算单元的电量使用信息确定的第一运行参数值；在基于所述第一运行参数值确定所述第一运算单元满足任务调度要求的情况下，在所述待处理任务中为至少部分所述第一运算单元分配待执行任务；所述第一运行参数用于确定所述第一运算单元的可使用电量信息。

摘要： 本发明公开一种任务调度云平台及其任务调度方法。所述方法包括：任务调度云平台接收各主机设备上传的任务处理请求；任务调度云平台获取各资源节点的风险因子，计算各资源节点处理主机设备的安全程度，选择高于预设安全值的若干资源节点进行任务调度处理，并更新这些资源节点的风险因子；任务调度云平台获取各资源节点性能参数，根据性能参数计算各资源节点的综合性能值；任务调度云平台根据各资源节点的综合性能值进行任务优化分配。采用本发明技术方案，能够实现云平台对于主机设备任务请求的合理优化调度，提高任务请求处理效率。