网格环境下物理应用的分散调度优化

Caramel：通过计算调度加速分散式分布式深度学习

Caramel: Accelerating Decentralized Distributed Deep Learning with Computation Scheduling

深度神经网络（DNN）训练中的参数聚合选择方法是一项网络密集型任务，受理论保证更好性能的启发，正在从参数服务器模型转向分散聚合方案（AllReduce）。然而，目前的AllReduce实现忽略了通信和计算的相互依赖性，导致显着的性能下降。在本文中，我们开发了Caramel，这是一个通过模型感知计算调度和AllReduce通信优化来加速分散式分布式深度学习的系统。Caramel通过（a）计算DAG调度来实现这一目标，该计算DAG调度为每个参数（传输边界）扩展了可行的传输窗口，以及（b）用于平滑负载的网络优化，包括参数传输的自适应优化和流水线化。Caramel保持了Refllow模型的正确性，是硬件独立的，并且不需要任何用户级或框架级的更改。我们在TensorFlow上实现了Caramel，并表明在云环境中DNN训练的迭代时间可以提高3.62倍。

去中心化联邦学习的调度与通信方案

Scheduling and Communication Schemes for Decentralized Federated Learning

本文提出一种采用SGD算法的去中心化联邦学习（DFL）模型，并设计了三种调度策略用于客户端与并行服务器间的通信，实验证明这些策略对收敛速度和最终全局模型有显著影响。

网格计算机中作业调度的可视化

Visualization of Job Scheduling in Grid Computers

作业调度是网格计算研究的热点问题之一。作业调度问题是NP完全问题，因此，使用启发式算法是解决这一问题的实际方法。提出了一种基于鱼群、作业调度器和可视化网格仿真的作业执行设想。

GridSim：一个面向网格计算的分布式资源管理与调度建模与仿真工具

GridSim: A Toolkit for the Modeling and Simulation of Distributed Resource Management and Scheduling for Grid Computing

集群、网格和对等（P2P）网络已成为下一代并行和分布式计算的流行范例。在这种大规模的分布式系统中，资源的管理和应用程序的调度是一项复杂的任务。为了证明资源代理和相关调度算法的有效性，需要在不同的场景下评估它们的性能，例如不同数量的资源和具有不同需求的用户。在网格环境中，由于资源和用户分布在多个组织中，并且具有各自的策略，因此很难甚至不可能以可重复和可控的方式执行调度器性能评估。为了克服这个限制，我们已经开发了一个基于Java的离散事件网格仿真工具包GridSim。该工具包支持异构网格资源（时间和空间共享）、用户和应用程序模型的建模和仿真。它为应用程序任务的创建、任务到资源的映射及其管理提供了原语。为了证明GridSim工具包的适用性，我们模拟了Nimrod-G网格资源代理和评估的最后期限和预算约束的成本和时间最小化调度算法的性能。

计算网格作业调度的模糊差分进化算法

A Fuzzy Differential Evolution Algorithm for Job Scheduling on Computational Grids

网格计算是近年来兴起的一个跨地域共享数据、存储和计算的计算领域。本文提出了一种新的模糊方法，利用差分进化（DE）的计算网格上的作业调度。基于模糊的DE生成一个最优的计划，在最短的时间内完成的工作。我们用遗传算法、模拟退火算法、差分进化算法和模糊粒子群算法对所提出的模糊DE算法进行了性能评估。实验结果表明，与其他算法相比，新算法能产生更多的最优解。

管理不确定性：概率网格调度案例

Managing Uncertainty: A Case for Probabilistic Grid Scheduling

网格技术正在发展成为一个全球性的、面向服务的体系结构，一个提供未来高需求计算服务的通用平台。网格和效用计算概念的广泛采用导致越来越多的网格安装运行各种不同大小和复杂性的应用程序。在本文中，我们解决的问题交付期限/经济调度在异构应用环境中使用的统计特性的作业历史执行和相关的元数据。这种方法的动机是由一个多用途的网格集群服务于一个社区的20个电子科学项目的网格应用程序所产生的六个月的计算负载的研究。所观察到的作业统计，资源利用率和用户行为的背景下，最适合支持概率和自主调度架构的管理方法和模型进行了讨论。

计算网格中基于代价的任务调度多目标非合作博弈模型

Multi-objective Non-cooperative Game Model for Cost-based Task Scheduling in Computational Grid

任务调度是计算网格中一个重要而复杂的问题。一个计算网格通常覆盖一系列不同类型的节点，这提供了一个复杂的环境。有必要开发算法，可以捕捉这种复杂性，同时可以很容易地实现和用于解决广泛的负载平衡的情况。针对网格负载均衡问题，提出了一种基于博弈论的网格负载均衡算法。网格负载均衡问题被视为一个非合作博弈。实验结果表明，基于博弈的算法具有较好的降低网格代价的能力。

网格环境下DAG调度优化的智能策略

Intelligent strategies for DAG scheduling optimization in Grid environments

提出了一种网格环境下动态DAG调度问题的解决方案。提出了一种分布式、可扩展、高效、容错的任务优化分配算法。具有依赖关系的任务的调度算法使用启发式模型来优化任务执行的总成本。提出了一种基于遗传算法的资源优化分配方法。实验使用MonALISA监测环境及其扩展。结果表明，与其他调度方法相比，这种DAG调度算法的性能非常好。

基于经济性的网格计算分布式资源管理与调度

Economic-based Distributed Resource Management and Scheduling for Grid Computing

计算网格作为下一代计算的基础设施，能够共享、选择和聚合地理上分布的资源，以解决科学、工程和商业中的大规模问题。由于网格中的资源是异构的，并且在地理上分布，具有不同的可用性以及针对不同用户在不同时间的各种使用和成本策略，并且优先级以及目标随时间而变化。在这样一个大型的分布式环境中，资源管理和应用程序调度是一项复杂的任务。本论文提出了一个分布式计算经济作为一个有效的隐喻资源管理和应用程序调度。提出了一种支持资源交易和基于服务质量的调度的体系结构框架。它使资源的供应和需求的监管，并提供了一个激励资源所有者参与网格和动机的用户之间的最后期限，预算和所需的服务质量水平进行权衡。论文通过开发用户服务质量需求驱动的调度策略和算法，展示了基于经济的系统用于对等分布式计算的能力。它证明了他们的有效性，通过执行调度实验在全球范围内的网格解决参数扫描应用程序。

面向多用户系统高性能计算调度的去中心化分布式近端策略优化（DD-PPO）

Decentralized Distributed Proximal Policy Optimization (DD-PPO) for High Performance Computing Scheduling on Multi-User Systems

本文提出基于去中心化分布式近端策略优化（DD-PPO）的HPC作业调度器，通过免参数同步的大规模分布式训练提升可扩展性和样本利用率，并在超1150万条真实作业轨迹上验证其优于规则调度和现有RL调度方法。

一种基于时限和预算约束的全局网格任务农业调度算法

A Deadline and Budget Constrained Cost-Time Optimisation Algorithm for Scheduling Task Farming Applications on Global Grids

计算网格和对等（P2P）网络使地理上分布的资源能够共享、选择和聚合，以解决科学、工程和商业中的大规模问题。然而，用于调度应用的资源和服务的管理和组合成为复杂的任务。我们已经提出了一个计算经济的框架，用于调节资源的供应和需求，并根据用户的服务质量要求将它们分配给应用程序。该框架需要经济驱动的最后期限和预算约束（DBC）调度算法分配资源的应用程序的作业，这样的方式，用户的要求得到满足。在本文中，我们提出了一种新的调度算法，称为DBC成本-时间优化，它扩展了DBC成本优化算法，优化时间，保持计算成本最低。这种新的调度算法的优越性，在实现较低的作业完成时间，通过模拟全球范围内的网格和调度任务农业应用程序不同的截止日期和预算的情况下，使用这种新的和成本优化调度算法证明。

网格环境下基于资源CoAllocation的任务调度算法

Resource CoAllocation for Scheduling Tasks with Dependencies, in Grid

在广域分布式系统上调度应用程序对于以有效的方式获得快速和可靠的结果是有用的。优化调度算法对于实现资源的优化利用至关重要。现有的和潜在的应用包括许多活动领域，如卫星图像处理和医学。提出了一种网格环境下具有依赖关系的任务调度算法。CoAllocation表示为具有依赖性的任务提供调度的策略，其主要目的是调度的效率，在负载均衡和用于执行任务的最小时间方面。

实现自适应网格调度和资源管理

Enabling Adaptive Grid Scheduling and Resource Management

网格概念的广泛采用使得科学家和研究人员可以使用越来越多的联合计算、存储和可视化资源。这些资源的分布式和异构性使得大多数传统的集群监控和管理方法不合适，并对此类系统的工作流调度提出了新的挑战。有效的资源利用率监控和高粒度但自适应的测量是一个更有效的网格调度的先决条件。我们提出了一套测量应用程序，能够监控每个进程的资源利用率，和一个可定制的工具，用于模拟观察到的利用率模型。我们还概述了我们未来的工作预测和概率网格调度。该研究是英国电子科学EPSRC与BT合作赞助的SO-GRM（自组织网格资源管理）项目的一部分。

A Blockchain-based Decentralized Data Sharing Infrastructure for Off-grid Networking

Off-grid networks are recently emerging as a solution to connect the unconnected or provide alternative services to networks of possibly untrusted participants. The systems currently used, however, exhibit limitations due to their centralized nature and thus prove inadequate to secure trust. Blockchain technology can be the tool that will enable trust and transparency in such networks. In this paper, we introduce a platform for secure and privacy-respecting decentralized data sharing among untrusted participants in off-grid networks. The proposed architecture realizes this goal via the integra…

具有通信延迟的网格调度

Scheduling on Grid with communication Delay

并行处理是高性能计算（HPC）的核心，过去是，现在仍然是提高计算机系统速度的最有效途径。在过去的几年里，处理器的计算能力和网络速度的大幅发展已经显著改变了HPC的格局。地理分布的异构系统现在可以合作和共享资源来执行一个应用程序。这种计算基础设施被称为计算网格或网格计算。网格可以看作是一种分布式的大规模集群计算。从另一个角度来看，它构成了云计算系统的主要部分，除了瘦客户端和实用计算[1，2，3]。因此，网格计算吸引了众多的研究者[4]。人们对网格计算的兴趣已经超越了传统的网格计算的范式，转向了无线网格计算[5，6]。

Equinox：面向硬件感知轨道智能的去中心化调度

Equinox: Decentralized Scheduling for Hardware-Aware Orbital Intelligence

本文提出Equinox，一种轻量级去中心化运行时，通过压缩时间变化约束实现自适应调度，提升轨道系统科学产出和图像处理吞吐量，同时保持更高电池储备。

CarbonFlex：实现云集群的碳感知资源供给与调度

Flex: Grid-Responsive Provisioning and Scheduling for Elastic Cloud Clusters

CarbonFlex提出一种基于历史集群数据持续学习的碳感知资源供给与调度方法，扩展AWS ParallelCluster实现，在行业负载上较碳无关基线减排约57%，性能接近理想调度器。

分布式系统中的去中心化任务调度：一种深度强化学习方法

Decentralized Task Scheduling in Distributed Systems: A Deep Reinforcement Learning Approach

本文提出基于深度强化学习的去中心化多智能体框架，用于解决异构分布式系统中的任务调度问题，通过轻量级架构提升效率与资源利用率。

基于经济性的网格计算资源管理与调度

An Economic-based Resource Management and Scheduling for Grid Computing Applications

在网格计算环境中，资源管理和调度是实现资源高效利用的关键。在网格系统中，由于资源的异构性，应用程序的调度是一项非常复杂和具有挑战性的任务。在这方面的研究大多集中在提高网格系统的性能。基于可分负载理论，针对不同类型的工作负载和单个源处理器，已经提出了一些分配模型。本文介绍了一种新的资源分配模型，该模型以多个负荷源处理机作为经济模型。通过线性规划方法，得到了以电网用户成本最小为目标的最优负荷分配方案。结果表明，该资源分配模型能够有效地将工作负载分配到合适的资源上。实验结果表明，该模型在成本和时间上都得到了较好的解决方案。

TRAIL：面向半去中心化联邦学习的信任感知客户端调度

TRAIL: Trust-Aware Client Scheduling for Semi-Decentralized Federated Learning

针对半去中心化联邦学习中客户端动态状态影响训练的问题，提出信任感知调度机制TRAIL，利用自适应隐半马尔可夫模型评估客户端状态与贡献，通过贪婪算法优化客户端调度，显著提升了模型测试准确率并降低了训练损失。

网格环境下多Agent作业调度的集中式强化学习方法

A centralized reinforcement learning method for multi-agent job scheduling in Grid

在网格系统中的主要挑战之一是设计一个自适应的，可扩展的，和模型无关的方法来调度作业，以达到理想程度的负载均衡和系统效率。集中式作业调度方法存在单点故障和缺乏可扩展性等缺点。此外，分散的方法需要一个通信有限的协调机制。在本文中，我们提出了一个多智能体的方法，在网格作业调度，命名为集中式学习分布式调度（CLDS），利用强化学习框架。CLDS是一种无模型的方法，它利用作业的信息和它们的完成时间来估计资源的效率。在该方法中，有一个学习者代理和几个调度器代理，执行学习和作业调度的任务，使用的协调策略，保持在有限的水平的通信成本。我们评估的CLDS方法的效率，通过设计和执行一组实验模拟网格系统在不同的系统规模和负载。实验结果表明，CLDS在大规模、重负载的网格环境下仍能有效地平衡系统的负载，同时保持其自适应性能和可扩展性。

DeFRiS：通过去中心化联邦强化学习实现物联网应用的孤岛协作调度

DeFRiS: Silo-Cooperative IoT Applications Scheduling via Decentralized Federated Reinforcement Learning

本文提出DeFRiS框架，通过去中心化联邦强化学习解决物联网应用在异构孤岛间协作调度中的隐私保护与效率问题，实验表明其在响应时间、能耗和延迟风险方面均有显著提升。

数据密集和网络感知（DIANA）网格环境中的调度

Scheduling in Data Intensive and Network Aware (DIANA) Grid Environments

在网格调度决策的基础上，往往是数据或计算密集型的工作：在数据密集型的情况下，工作可能会推到数据和计算密集型的情况下，数据可能会拉到作业。这种调度，其中有没有考虑网络特性，可能会导致性能下降，在网格环境中，并可能导致大的处理队列和作业执行延迟，由于网站过载。在本文中，我们描述了一种数据密集型和网络感知（DIANA）元调度方法，该方法在跨多个站点做出调度决策时考虑数据、处理能力和网络特征。通过一个网格测试平台上的实际实现，我们证明了数据密集型作业的队列和执行时间可以显着改善，当我们引入我们提出的DIANA调度。基本调度决策由每个潜在目标位置的加权因子决定，该加权因子是网络特性、处理周期以及数据位置和大小的计算函数。作业调度器提供计算资源的全局排名，然后基于该总体访问和执行成本来选择最优的计算资源。DIANA方法将网格视为活动网络元素的组合，并将网络特性作为调度决策矩阵中的第一类标准以及计算和数据。然后，调度器可以通过考虑网络的变化状态、数据的位置和大小以及可用处理周期池来做出明智的决策。

Nimrod/G：一种全局计算网格资源管理与调度系统的体系结构

Nimrod/G: An Architecture of a Resource Management and Scheduling System in a Global Computational Grid

强大的微处理器和高速网络作为商品组件的可用性使得分布式系统上的高性能计算（广域集群计算）成为可能。在这种环境中，由于资源通常分布在地理上的各个层次（部门，企业，或世界各地）有一个很大的挑战，在整合，协调和呈现给用户作为一个单一的资源，从而形成一个计算网格。另一个挑战来自资源的分布式所有权，每个资源都有自己的访问策略、成本和机制。建议Nimrod/G网格启用的资源管理和调度系统建立在我们早期的工作Nimrod，并遵循模块化和基于组件的架构，使可扩展性，可移植性，易于开发，独立开发的组件和互操作性。它使用Globus工具包服务，并且可以很容易地进行扩展，以便与任何其他新兴的网格中间件服务一起运行。它侧重于管理和调度的计算在地理上分散在互联网上的部门，企业，或全球一级，特别强调开发调度计划的基础上的概念，计算经济的一个真正的测试床，即Globus测试床（GUSTO）。

分布式列表调度

Decentralized List Scheduling

经典列表调度是一种非常流行和有效的并行和分布式平台上的调度技术。它本质上是集中的。然而，随着处理器数量的增加，管理单个集中式列表的成本变得过于高昂。减少争用的一个合适的方法是在计算单元之间分发列表：每个处理器只有要执行的工作的本地视图。因此，调度程序不再贪婪，标准性能保证也就失去了。这项工作的目的是研究额外的成本，必须支付的列表时，分布在计算单元。我们首先提出了一个一般的方法来计算预期的完工时间的基础上分析了足够的潜在功能，它代表了本地列表之间的负载不平衡。我们得到一个方程的潜力的演变计算其预期的减少在一个步骤的时间表。我们的主要定理显示了如何解决这样的方程，以限制最大完工时间。然后，我们将此方法应用于几个调度问题，即单元独立任务，加权独立任务和优先约束的任务。更精确地说，我们证明了在m个处理器上调度由独立单元任务组成的全局工作负载W的时间等于W/m加上一个与log_2W成比例的附加项。我们提供了一个下界，表明这是最佳的常数。这个结果被扩展到加权独立任务的情况下。在最后一个设置，优先任务图，我们的分析导致阿罗拉等人的边界上的改进。我们最后提供了一些实验，使用模拟器。最大完工时间的分布符合现有的概率规律。通过模拟显示加法项约为3 \log_2 W，证实了我们分析的严密性。

克服百亿亿次规模下的编排瓶颈：一种用于模拟 - 人工智能集成的去中心化、策略驱动方法

Overcoming Orchestration Bottlenecks at Exascale: A Decentralized, Policy-Driven Approach for Sim-AI Ensembles

针对科学计算中耦合模拟 - 人工智能工作流的编排瓶颈问题，提出了具有去中心化控制平面和可编程调度策略接口的EnsembleLauncher编排器，在Aurora超级计算机上性能出色，还展示了调度策略对资源利用的显著影响。

基于随机搜索技术的相关任务调度

Scheduling of Dependent Tasks Application using Random Search Technique

自网格计算出现以来，相关任务调度问题由于其NP完全的性质一直受到研究者的关注。在网格环境中，调度是指将任务分配到可用资源上。当网格中的任务具有依赖性和资源异构性时，网格调度具有挑战性.相关任务调度的主要目标是最小化完工时间。由于调度问题的NP完全性质，精确解不能有效地生成调度。因此，研究人员采用启发式或随机搜索技术来获得此类问题的最优或接近最优的解决方案。在本文中，我们展示了如何遗传算法可以用来解决相关任务调度问题。我们描述了如何使用随机分配和基于高度的方法生成初始人口。我们还提出了交叉和变异算子的设计，使相关任务的调度应用程序不违反依赖约束。为了实现基于遗传算法的调度，我们探索和分析SimGrid和GridSim仿真工具包。从结果中，我们发现SimGrid是合适的，因为它支持用于DAG应用程序的SimDag API。我们发现基于遗传算法的方法可以在合理的时间内为相关任务应用生成调度，同时尽量减少制造跨度。

基于启发式算法的网格动态作业调度研究综述

A Survey on Dynamic Job Scheduling in Grid Environment Based on Heuristic Algorithms

计算网格是分布式计算系统发展的新趋势。它们允许以有效的方式共享地理上分布的资源，扩展了我们所认为的分布式计算的边界。各种科学可以从使用网格来解决CPU密集型问题中受益，为整个社会创造潜在的利益。作业调度是并行和分布式计算的重要组成部分。它允许为特定作业选择正确的资源匹配，从而提高作业吞吐量和资源利用率。作业应该以自动的方式进行调度，以使系统更可靠、更易访问，并且对子系统故障不太敏感。本文综述了各种启发式算法，用于网格调度。

Online decentralized tracking for nonlinear time-varying optimal power flow of coupled transmission-distribution grids

The coordinated alternating current optimal power flow (ACOPF) for coupled transmission-distribution grids has become crucial to handle problems related to high penetration of renewable energy sources (RESs). However, obtaining all system details and solving ACOPF centrally is not feasible because of privacy concerns. Intermittent RESs and uncontrollable loads can swiftly change the operating condition of the power grid. Existing decentralized optimization methods can seldom track the optimal solutions of time-varying ACOPFs. Here, we propose an online decentralized optimization method to trac…

基于线性规划驱动的遗传算法的电网综合调度

A Linear Programming Driven Genetic Algorithm for Meta-Scheduling on Utility Grids

网格中的用户级代理考虑单个应用的QoS需求，并在不考虑其他用户需求的情况下使其成本最小化。这会导致资源争用和次优调度。网格中的元调度旨在解决这个调度问题，这是NP难，由于其组合的性质。因此，除了传统的算法如Greedy和FCFS之外，已经提出了许多基于遗传算法的解决方案，使用遗传算法（GA）。我们提出了一个线性规划/并行规划模型（LP/IP）调度这些应用程序的多个资源。我们还提出了一种新的算法LPGA（线性规划驱动的遗传算法），它结合了LP和GA的能力。该算法的目的是获得最佳的元调度公用事业网格，最小化所有用户的联合成本在一个协调的方式。仿真结果表明，我们提出的综合算法提供了最好的时间表具有最小的处理成本可以忽略不计。

网格调度系统开销计算和预处理时间的改进

Improving Overhead Computation and pre-processing Time for Grid Scheduling System

计算网格是一个巨大的环境，具有异构的资源和稳定的基础设施之间的其他基于Internet的计算系统。然而，这种系统中的资源管理有其特殊的问题。调度系统需要从信息中心获取参与节点的最新信息，以便进行可靠的作业调度。在本文中，我们专注于在线更新资源信息中心处理和提供的数据的基础上假设的层次模型。采用混合知识抽取方法对网格节点进行分类，并基于工件特征预测。本研究的一个肯定的观点是，调度系统不会浪费额外的时间来获取网格节点的最新信息。实验结果表明，我们的方法相比，其他保守的方法的优势，特别是由于它能够预测节点的行为的基础上，每个节点上的综合数据表。

层次数据网格中数据复制对作业调度性能的影响

The Impact of Data Replicatino on Job Scheduling Performance in Hierarchical data Grid

在数据密集型应用程序中，数据传输是作业执行延迟的主要原因。数据访问时间取决于带宽。广域网和Internet的高带宽是网格环境下支持快速数据访问的主要瓶颈。有效的调度可以通过将作业分派到存在所需数据的位置来减少通过互联网传输的数据量。另一种解决方案是使用数据复制机制。动态副本策略的目标是减少文件访问时间，从而减少作业运行时间。在本文中，我们提出了一个作业调度策略和一个动态的数据复制策略，称为HRS（分层复制策略），以提高数据访问效率。我们研究我们的方法，并通过模拟评估。结果表明，我们的算法比现有的策略提高了12%。

优化批量作业调度的DIANA调度层次结构

DIANA Scheduling Hierarchies for Optimizing Bulk Job Scheduling

在大规模分布式系统中使用元调度器进行资源管理通常会导致调度器的层次结构。在本文中，我们将讨论为什么现有的元调度层次结构有时是不够的网格系统，由于他们无法重新组织工作已经安排在本地。这样的工作重组是需要适应不断变化的负载，这是常见的大量使用的网格基础设施。我们提出了一个对等调度模型，并使用案例研究和数学建模进行评估。我们详细介绍了DIANA（数据密集型和网络意识）调度算法和队列管理系统，以应付负载分布和支持批量作业调度。我们证明，这样的系统是有益的动态，分布式和自组织的资源管理，并可以帮助优化负载或作业分布在复杂的网格基础设施。

一种面向网格计算的计算经济及其在Nimrod-G资源代理中的实现

A Computational Economy for Grid Computing and its Implementation in the Nimrod-G Resource Brok

计算网格，耦合地理上分布的资源，如个人电脑，工作站，集群，和科学仪器，已经成为下一代的计算平台，解决大规模的问题，在科学，工程和商业。然而，这些环境中的应用程序开发、资源管理和调度仍然是一项复杂的任务。在这篇文章中，我们将讨论我们的努力，在开发一个资源管理系统调度计算分布在世界各地的资源，不同的服务质量。我们的面向服务的网格计算系统称为Nimrod-G管理与远程执行相关的所有操作，包括资源发现，交易，基于经济原则和用户定义的服务质量要求的调度。Nimrod-G资源代理是通过利用Globus等现有技术实现的，并提供了构建工业强度网格所必需的新服务。我们讨论的初步实验结果调度一些参数计算使用Nimrod-G资源代理在一个世界范围内的网格测试平台，跨越五大洲。

基于Stackelberg定价博弈的移动网格可分负载调度

Divisible Load Scheduling in Mobile Grid based on Stackelberg Pricing Game

如今，在计算系统中使用移动节点作为贡献实体已经变得可行。在本文中，我们考虑了一个计算网格中的移动设备可以共享其空闲资源，实现并行处理。整个计算任务可以被任意划分为多个子任务，以分配给移动资源提供者（RP）。在这个过程中，计算负载调度问题是突出的。基于优化目标，即，提出了一种以最小化任务完成时间为目标的买方-卖方模型，在该模型中，任务发起者可以通过支付一定的利润激励SP共享其计算资源。采用Stackelberg定价博弈（SPG）方法，得到每个SP的最优价格和共享资源量。最后，通过系统仿真对算法的性能进行了评估，结果表明基于SPG的负载调度算法可以显著提高移动网格系统的时间增益。

网格计算中联合作业调度与数据分配的交替混合整数线性规划优化

Alternative Mixed Integer Linear Programming Optimization for Joint Job Scheduling and Data Allocation in Grid Computing

本文针对网格计算中的作业调度与数据分配联合优化问题，提出一种交替固定决策变量并利用MILP求解的混合整数二次约束规划方法，实验证明其显著优于现有启发式方法且具强泛化性与鲁棒性。

基于QOS的网格用户驱动调度器

QOS based user driven scheduler for grid environment

由于网格在本质上是异构的、动态的、共享的和分布式的环境，有效地管理这些平台是非常复杂的。一个有前途的可扩展的方法来处理这些复杂性是设计的自主应用程序的自我管理。自治应用通过考虑自身行为和环境条件的知识来相应地调整其执行。基于QoS的网格用户驱动调度为自治应用提供了自优化能力。计算网格通过在物理位置的多台机器上分散单个大型计算，为用户提供解决大规模问题的能力。基于QoS的用户驱动网格调度器通过应用用户定义的调度策略来减少作业的执行时间，从而提高网格系统的可靠性，提高网格的性能。本文的主要目的是在网格节点之间分配计算负载，并开发一种基于QoS的网格调度算法，使网格更加可靠。网格计算系统不同于传统的分布式计算系统，它强调大规模的资源共享，其中处理器和通信对网格计算的可靠性有重要影响。由最终用户从提交到网格执行的应用程序中启动的可靠性功能。基础设施和管理服务的可靠性，这些服务执行网格系统运行所必需的基本功能，例如资源分配和调度。

Multi-Job Intelligent Scheduling with Cross-Device Federated Learning

Recent years have witnessed a large amount of decentralized data in various (edge) devices of end-users, while the decentralized data aggregation remains complicated for machine learning jobs because of regulations and laws. As a practical approach to handling decentralized data, Federated Learning (FL) enables collaborative global machine learning model training without sharing sensitive raw data. The servers schedule devices to jobs within the training process of FL. In contrast, device scheduling with multiple jobs in FL remains a critical and open problem. In this paper, we propose a novel…

一种用于全局网格上分布式数据应用调度的网格服务代理

A Grid Service Broker for Scheduling Distributed Data-Oriented Applications on Global Grids

下一代科学实验和研究，通常被称为电子科学，是由分布在世界各地的研究人员进行的，他们从事分析科学仪器产生的大量数据。网格计算已经成为电子科学的推动者，因为它允许创建虚拟组织，将具有共同目标的社区聚集在一起。在社区内，数据汇集存储或复制在分布式资源上，以增强存储能力或访问效率。在这样的环境中，科学家需要有能力通过透明地访问分布式数据和计算资源来进行研究。在本文中，我们提出并开发了一个网格代理，通过（a）为给定的分析场景发现合适的数据源，（b）合适的计算资源，（c）最佳地将分析作业映射到资源，（d）在选定的资源上部署和监视作业执行，（e）在作业执行期间从本地或远程数据源访问数据，以及（f）整理和呈现结果。该代理支持用于创建网格应用程序的声明式和动态参数化编程模型。我们已经使用这个模型在网格启用高能物理分析应用程序（百丽分析软件框架）。该经纪人已被用于在网格测试平台上部署Belle实验数据分析工作，称为Belle分析数据网格，分布在澳大利亚各地的资源通过GrangeNet互连。

Data Volume-aware Computation Task Scheduling for Smart Grid Data Analytic Applications

Emerging smart grid applications analyze large amounts of data collected from millions of meters and systems to facilitate distributed monitoring and real-time control tasks. However, current parallel data processing systems are designed for common applications, unaware of the massive volume of the collected data, causing long data transfer delay during the computation and slow response time of smart grid systems. A promising direction to reduce delay is to jointly schedule computation tasks and data transfers. We identify that the smart grid data analytic jobs require the intermediate data am…

计算集群环境中的动态任务调度

Dynamic task scheduling in computing cluster environments

在这项研究中，集群计算环境作为一个计算平台。为了提高系统的运行效率，提出了一种动态任务调度算法，使集群节点之间的负载均衡。该技术是动态的，非抢占式的，自适应的，它使用混合的集中和分散的政策。该算法基于分而治之的原则，将集群建模为超网格，然后在它们之间进行负载均衡。递归地，维度为k的超网格被划分为维度为k - 1的网格，直到维度为1。然后，集群中的所有节点几乎都是同等负载的。选择超网格的最佳维度以实现最佳性能。仿真结果表明了该算法的有效性。此外，我们确定了临界点（下限），该算法可以被触发。

Smart Grid Management using Blockchain: Future Scenarios and Challenges

Decentralized management and coordination of energy systems are emerging trends facilitated by the uptake of the Internet of Things and Blockchain offering new opportunities for more secure, resilient, and efficient energy distribution. Even though the use of distributed ledger technology in the energy domain is promising, the development of decentralized smart grid management solutions is in the early stages. In this paper, we define a layered architecture of a blockchain-based smart grid management platform featuring energy data metering and tamper-proof registration, business enforcement vi…

网格环境下的文件传输调度算法

An Algorithm for File Transfer Scheduling in Grid Environments

针对网格环境下的数据传输调度问题，提出了一种具有动态和自适应特性的集中式调度器。该算法为用户传输请求提供了一个预留系统，该系统根据网络拓扑结构和用户为请求指定的约束来分配传输时间和带宽。本文介绍了与数据传输领域相关的项目，调度器的框架设计，调度器的主要功能，传输请求重新调度的步骤和两个测试，说明系统的行为，不同类型的传输请求。

智能电网中的去中心化联邦异常检测：一种P2P Gossip方法

Decentralized Federated Anomaly Detection in Smart Grids: A P2P Gossip Approach

针对传统联邦学习依赖中心化聚合器及更新传输隐私泄露问题，本文提出基于Random Walk与Epidemic gossip协议的P2P去中心化异常检测方案，实验显示其检测准确率更优且训练时间改善35%。

Efficient Device Scheduling with Multi-Job Federated Learning

Recent years have witnessed a large amount of decentralized data in multiple (edge) devices of end-users, while the aggregation of the decentralized data remains difficult for machine learning jobs due to laws or regulations. Federated Learning (FL) emerges as an effective approach to handling decentralized data without sharing the sensitive raw data, while collaboratively training global machine learning models. The servers in FL need to select (and schedule) devices during the training process. However, the scheduling of devices for multiple jobs with FL remains a critical and open problem. …

科学网格中运行HPC工作负载的虚拟机的动态调度

Dynamic scheduling of virtual machines running hpc workloads in scientific grids

采用虚拟化的主要动机是资源隔离、容量管理和资源定制，允许资源提供商将其资源整合到虚拟机中。已经采取了各种方法来将虚拟化集成到科学网格中，特别是在高性能计算（HPC）的领域中，以在虚拟机中运行网格作业，从而能够更好地提供底层资源并在运行时定制执行环境。尽管有这些好处，但虚拟化层也会带来性能损失，而且还没有很好地理解这种开销将如何影响系统的性能，其中作业的调度时间很紧。由于这种开销会改变工作负载的类型，无论它们是内存密集型，CPU密集型还是网络I/O绑定，并且可能导致系统中运行作业的不可预测的截止日期估计。在我们的研究中，我们试图通过开发一种智能调度技术来解决这个问题，该技术用于监控虚拟机的工作负载类型和最后期限，并实时的计算系统开销，以最大限度地提高在商定的最后期限内完成的作业数量。

去中心化多智能体群组用于工业物联网自主网络安全：基于共识的方法

Decentralized Multi-Agent Swarms for Autonomous Grid Security in Industrial IoT: A Consensus-based Approach

本文提出基于共识的去中心化多智能体群组架构，用于提升工业物联网网络安全，实现快速响应和高准确率检测恶意活动。