Flow Network Models for Online Scheduling Real-time Tasks on Multiprocessors
我们考虑流网络模型来解决多处理机实时的【形】任务调度问题。使用流网络模型或其一般形式，线性规划（LP）制定，为问题并不新鲜。然而，以前的工作有局限性，例如，它们被归类为离线调度技术，因为它们建立了流网络模型或考虑很长时间间隔的LP问题。在本研究中，我们提出如何建构多处理器上周期性实时的【形】任务线上排程的流网路模型。我们的核心思想是只为当前调度时间的活动任务实例构建流网络，同时保证未来任务实例的最优调度存在。最优调度是指当给定任务的总利用率需求不超过总处理能力时，所有实时的【形】任务都能在截止期内完成。然后，我们提出了基于流网络模型的多项式时间调度算法。有利地，流网络模型允许在特定时间间隔内不公平地收集任务工作负载，而不会失去最优性。因此，它导致我们设计三个不公平，但最优的调度算法上的连续和离散时间模型。特别是，我们的不公平，但最优的离散时间模型的调度算法是，据我们所知，在问题域中的第一。我们的实验表明，它显着减少调度开销，即，抢占的数量减少，跨处理器的任务迁移的数量相当。
2018-10-19 cs.DC
Energy Conscious Dynamic Window Scheduling of Chip Multiprocessors
开发利用多核和众核架构以减少浪费热量产生的系统的需求在计算密集型应用中至关重要。我们提出了一种节能的多核调度方法，称为非抢占式动态窗口（NPDW）调度，实现有效的负载和温度平衡芯片多处理器。NPDW利用动态时间窗口的概念来积累任务，并使用修改的Gale-Shapely算法在积累的任务和可用的处理器核之间找到最佳的稳定匹配。定义了窗口和匹配性能的度量，以创建动态窗口启发式算法，从而基于当前和先前的窗口大小来确定下一个时间窗口大小。推导公式和实验结果的基础上，我们表明，我们的NPDW调度器是能够分布在多核环境中的处理器的计算和热负载比基线调度器。我们相信，在多核计算应用程序需要温度和能源意识的系统设计，我们的调度程序可以有效地分散系统负载，并防止过多的核心加热。
2022-02-13 cs.DC
Building Portable Thread Schedulers for Hierarchical Multiprocessors: the BubbleSched Framework
利用当前越来越多的分层多处理器机器的全部计算能力需要在底层非统一架构中非常仔细地分配线程和数据。不幸的是，大多数操作系统只提供了一个较差的调度API，它不允许应用程序向系统传输有价值的调度提示。在之前的文章中，我们展示了使用基于气泡的线程调度器可以以可移植的方式显著提高应用程序的性能。然而，由于多线程应用程序有各种调度要求，没有通用的调度程序可以满足所有这些需求。在本文中，我们提出了一个框架，允许调度专家实现和实验定制的线程调度器。它提供了一个强大的API，用于以高级、可移植和有效的方式在机器之间动态分发气泡。几个例子展示了专家如何开发、调试和调整他们自己的便携式气泡发生器。
2007-06-14 cs.DC
Multiprocessor Scheduling For Tasks With Priority Using GA
多处理器已经成为运行实时应用程序的强大计算手段，特别是在单处理器系统不足以执行所有任务的情况下。多处理器的高性能和高可靠性使其成为一种强大的计算资源。这样的计算环境需要有效的算法来确定给定任务应该在何时以及在哪个处理器上执行。在多处理器系统中，一个有效的调度的并行程序到处理器上，最大限度地减少整个执行时间是至关重要的，以实现高性能。这个调度问题被称为NPHard。在多处理机调度问题中，给定的程序在给定的多处理机系统中被调度，使得程序的执行时间最小。最后一项工作必须尽早完成。遗传算法（Genetic Algorithm，GA）是求解约束优化问题的一种常用技术。遗传算法基本上是基于自然选择和自然发生机制的搜索算法。遗传算法研究的主要目标是鲁棒性，即效率和功效之间的平衡。本文提出了一种遗传算法来解决最小化制造时间的多处理机调度问题。
2010-01-12 cs.DC cs.NE
Multiprocessor Scheduling with Memory Constraints: Fundamental Properties and Finding Optimal Solutions
本文研究两级内存约束下的多处理器 DAG 调度，分析复杂度并证明分离优化可产生线性因子偏差，进而提出基于 ILP 的整体调度算法，实验表明其优于经典基线。
2025-07-23 cs.DC
Energy and Time Efficient Scheduling of Tasks with Dependencies on Asymmetric Multiprocessors
在这项工作中，我们研究的问题，调度任务的依赖关系，在多处理器架构中，处理器有不同的速度。我们提出了抢占式算法“节约能源”，它给出了一个任务的时间表后处理它，以提高能源效率，而没有任何恶化的最大完工时间。在时间效率方面，我们表明非对称系统中的抢先调度可以实现与对称系统相同或更好的最佳完工时间。真正的多处理器系统的动机，我们调查架构表现出有限的不对称性：有两个本质上不同的速度。有趣的是，在并行计算和调度理论领域中还没有研究过这种特殊情况;只研究了处理器具有本质上不同的速度的$K$的一般情况。我们提出的非抢占式算法“剩余”，实现了几乎最优的最大完工时间。我们提供了一个最近的调度方法的精细分析。在此基础上，对调度策略进行了具体化，并给出了$(3 + o(1))$期望逼近因子的算法。请注意，这提高了以前的最佳因子（两个速度为6）。我们相信，我们的工作将说服研究人员重新审视这些简单的，但现实的，非对称的多处理器架构的调度问题。
2008-06-06 cs.DC cs.DS cs.PF
Compiler Enhanced Scheduling for OpenMP for Heterogeneous Multiprocessors
非对称多核处理器（AMP）调度是异构多核处理器的一种特殊情况，是一个广泛研究的课题。大多数调度技术是运行时的，通常不考虑并行编程框架（如OpenMP）中使用的并行编程模式。另一方面，这些并行编程平台的当前编译器是硬件无关的，这阻止了big.LITTLE等平台的任何编译时优化，并且必须完全依赖于运行时优化。在本文中，我们提出了一个硬件感知的编译器增强调度（CES），其中常见的编译器转换与编译器添加的调度命令，以利用硬件的不对称性，提高运行时的效率。我们实现了一个用于OpenMP的编译器，并在三星Exynos中使用big.LITTLE架构证明了其效率。平均而言，我们看到在标准NPB和FSU基准测试中，CES在big.LITTLE中跨多个频率和核心配置减少了18%的运行时间和14%的能耗。
2018-08-18 cs.DC cs.PF
On the Design of an Optimal Multiprocessor Real-Time Scheduling Algorithm under Practical Considerations (Extended Version)
本研究针对硬实时的【形】系统的多处理机排程问题，特别是在考虑实际限制的情况下，着重于最佳化与整体排程问题。首先，我们提出了一个改进的优化算法BF。我们正式证明我们的适应是（i）最优的，即，它总是生成可行的调度，只要这样的调度存在;以及（i i）有效，即，它符合所有要求。我们还表明，它通过提供O（n）的计算复杂度优于BF，其中n是要调度的任务数。接下来，我们提出了一个可调度性分析，该分析先验地表明了我们对BF的改进是否可以在不错过任何截止日期的情况下调度实时的【形】应用。据我们所知，这种分析是第一个考虑到操作系统产生的所有主要开销的多处理器测试。
2011-01-24 cs.DC cs.OS
Optimal Virtual Cluster-based Multiprocessor Scheduling
多处理器平台上的有限截止期偶发任务系统的调度是近年来备受关注的一个领域。人们普遍认为，找到一个最佳的调度程序是困难的，因此大多数研究都集中在开发具有良好的处理器利用率界限的算法。这些算法可以大致分为两类：分区调度，其中任务被静态分配给各个处理器，以及全局调度，其中每个任务被允许在平台中的任何处理器上执行。在本文中，我们考虑第三个，更一般的方法，称为基于集群的调度。在这种方法中，每个任务被静态地分配给一个处理器集群，每个集群中的任务在它们之间被全局地调度，并且集群又在多处理器平台上被调度。我们开发的技术，以支持这种基于集群的调度算法，并考虑属性，最大限度地减少单个集群的总处理器利用率。在本文的最后一部分，我们开发了新的基于虚拟簇的调度算法。对于隐式截止期偶发任务系统，我们提出了一个既不是Pfair也不是ERfair的最优调度算法。我们还表明，US-EDF{m/（2 m-1）}的处理器利用率的上限可以通过使用虚拟集群提高。由于分区或全局策略都不占主导地位，基于集群的调度是一个自然的研究方向，以实现提高处理器利用率的界限。
2020-04-06 cs.DC cs.OS
Approximation Algorithms for Multiprocessor Scheduling under Uncertainty
出于在网格计算和项目管理中的应用，我们研究多处理器调度的情况下，有不确定性的成功执行的作业时，分配给处理器。考虑不确定条件下的多处理机调度问题，给定n个单位时间工件和m台机器，给出工件间依赖关系的有向无环图C，对于每一个工件j和机器i，给出工件j在机器i上按任意给定步骤调度时成功完成的概率p_{ij}.问题的目标是找到一个最小化期望完工时间的进度表，即所有工件的期望完工时间。不确定条件下的多处理机调度问题是由Malewicz提出的，并且被证明是NP-难的，即使所有的作业都是独立的。在本文中，我们提出了多项式时间的近似算法的问题，对于特殊情况的dag C。对于独立作业的情形，我们得到了O（log（n））-近似;对于不相交链的集合，我们得到了O（log（m）log（n）log（n+m）/loglog（n+m））-近似;对于有向出树或入树的集合，我们得到了O（log（m）log^2（n））-近似;对于有向森林，我们得到了O（log（m）log^2（n）log（n+m）/loglog（n+m））-近似。
2007-03-21 cs.CC cs.DC cs.DS
A heuristic method for data allocation and task scheduling on heterogeneous multiprocessor systems under memory constraints
Huazhong University of Science and Technology（华中科技大学）；Huawei Technologies Co., Ltd.（华为技术有限公司）
异构多处理器系统中的计算工作流经常被建模为任务和数据块的有向非循环图，其以由任务产生并由其他人使用的数据的形式表示计算模块及其依赖关系。然而，对于某些工作流，诸如数字信号处理器中的任务调度可能由于暴露太多并行性而耗尽存储器。本文主要研究内存约束下的数据分配和任务调度问题，并集中在共享内存平台上。首先，我们提出了一个整数线性规划模型来制定的问题。然后我们将该问题视为一个扩展的柔性作业车间调度问题，同时试图最小化图的关键路线。为了解决这个问题，我们提出了一个禁忌搜索算法（TS），它结合了几个显着的特点，如贪婪的初始解的构造方法和混合邻域的评价策略的基础上精确的评价和近似的评价方法。在随机生成的实例上的实验结果表明，该算法能够在合理的计算时间内获得相对高质量的解.具体地说，与文献中广泛使用的经典负载均衡算法相比，禁忌搜索算法平均提高了5- 25%的最大完工时间.此外，还分析了TS的一些关键特征，以确定其成功因素。
2022-05-09 cs.AI cs.DC
Feedback Scheduling for Energy-Efficient Real-Time Homogeneous Multiprocessor Systems
Imperial College London（帝国理工学院）
本文提出一种闭环反馈调度框架，通过反馈信息优化多处理器实时调度，减少能耗。采用线性规划解决任务分配问题，McNaughton算法确定任务执行顺序，实验显示能耗降低40%。
2016-06-08 cs.DC cs.OS cs.SY
Improved Approximations for Multiprocessor Scheduling Under Uncertainty
本文提出了一种改进的近似算法，用于求解不确定性条件下的多处理机调度问题，其中每个作业的执行都有可能失败。这个问题的动机是越来越多地使用分布式计算来处理大型的、计算密集型的任务。在SUU问题中，我们给定n个单位长度的工件和m台机器，工件之间的优先约束的有向无环图G，以及每个工件j在机器i上执行单个时间步时的不相关的故障概率q_{ij}。我们的目标是找到一个最小化期望完工时间的时间表，期望完工时间是所有作业完成的期望时间。Lin和Rajaraman给出了独立作业、形成不相交链的优先约束和形成树的优先约束的特殊情况下的NP难问题的第一近似。在本文中，我们提出了渐近更好的近似算法。特别是，我们给出了一个O（loglog min（m，n））-近似独立的工作（改进以前最好的O（log n）-近似）。对于形成不相交链的优先约束，我们也给出了一个O（log（n+m）loglog min（m，n））-近似算法（改进了以前最好的O（log（n）log（m）log（n+m）/loglog（n+m））-近似，当n = poly（m）时，使用（log n/loglog n）^2因子。我们的算法的优先约束形成链也可以作为一个组件的优先约束形成树，产生类似的改进，以前最好的算法树。
2008-02-19 cs.DC cs.DS
Energy-Efficient Real-Time Scheduling for Two-Type Heterogeneous Multiprocessors
Imperial College London（帝国理工学院）
本文提出三种新的数学优化方法，解决具有硬约束的实时任务集的两种类型异构多处理器调度问题。通过全局调度方案和流模型，算法在任务负荷分配和执行顺序确定上具有线性复杂度，实现可行性最优和能耗最优，且在某些约束截止期限的任务集中可实现高达40%的能耗节省。
2016-07-15 cs.DC cs.OS cs.SY
Supporting Parallelism in Server-based Multiprocessor Systems
开发一个高效的基于服务器的实时调度解决方案，支持动态任务级并行现在甚至是桌面和嵌入式领域，不再仅仅是高性能计算市场的利基。本文提出了一种新的方法，结合恒定带宽服务器抽象与工作窃取负载均衡计划，同时确保任务之间的隔离，使一个任务可以在一个以上的处理器上执行在给定的时刻。
2011-06-14 cs.DC cs.OS
A Survey on Parallel Genetic Algorithms for Shop Scheduling Problems
已有大量的工作处理遗传算法（GAs）寻求车间调度问题的最优解。由于NP硬度，时间成本总是很重。近几十年来，随着高性能计算技术的发展，并行遗传算法在车间调度问题中的应用越来越受到人们的关注。在本文中，我们提出了国家的艺术与最近的工作解决车间调度问题，使用并行遗传算法。通过对并行遗传算法的分类，展示了该领域最具代表性的出版物，并分析了它们基于框架的设计。
2019-04-08 cs.DC
LayerPipe: Accelerating Deep Neural Network Training by Intra-Layer and Inter-Layer Gradient Pipelining and Multiprocessor Scheduling
University of Minnesota（明尼苏达大学）
训练神经网络所需的时间随着大小、复杂性和深度而增加。通过反向传播训练模型参数固有地创建反馈回路。这些循环阻碍了层内和连续层之间的任务的高效流水线和调度。先前的方法，例如PipeDream，已经利用延迟梯度的使用来实现层间流水线。然而，这些方法将整个反向传播视为单个任务;这导致计算时间增加和处理器利用率不足。本文提出了一种新的优化方法，其中相对于权重和激活函数的梯度计算被独立地考虑，因此，这些可以并行计算。这被称为层内优化。另外，关于激活函数的梯度计算被进一步划分为两个部分并且被分布到两个连续层。这导致平衡调度，其中每一层的计算时间相同。这被称为层间优化。所提出的系统，称为LayerPipe，减少了训练所需的时钟周期数，同时最大限度地提高处理器利用率，最小的处理器间通信开销。与PipeDream相比，LayerPipe在7到9个处理器的情况下实现了平均25%和80%以上的加速比，并且通信开销更少。
2021-08-14 cs.AR cs.DC cs.LG
GPU based parallel genetic algorithm for solving an energy efficient dynamic flexible flow shop scheduling problem
由于新的政府立法、客户对环境的关注以及能源成本的持续上升，近年来能源效率正成为工业制造过程的重要参数。在调度问题中考虑能量问题的大多数努力都集中在静态调度上。但实际上，调度问题是动态的，在执行时间之后有不确定的新工件到达。本文提出了一种考虑新工件到达的动态能量有效柔性流水车间调度模型。由于该问题是强NP难问题，提出了一种基于优先级的混合并行遗传算法和预测反应式完全重调度方法。为了实现加速比，以满足在动态环境中的短响应，所提出的方法被设计为与NVIDIA CUDA软件模型高度一致。最后，通过数值实验表明，该方法不仅比传统的静态方法具有更好的性能，而且通过显著减少时间需求而获得了具有竞争力的结果。
2019-03-26 cs.DC
STOMP: A Tool for Evaluation of Scheduling Policies in Heterogeneous Multi-Processors
近年来，异构芯片多处理器的激增达到了前所未有的水平。传统的同构平台在实现高性能超低功耗计算方面表现出了根本的局限性，特别是在具有实时执行期限或关键性约束的应用领域。通过将正确的通用核心和硬件加速器组合在一起，以及适当的芯片互连和存储器技术，异构芯片多处理器已成为一种有效的高性能和低功耗计算替代方案。异构架构的挑战之一涉及跨芯片中的各种选项的应用任务（进程、线程）的高效调度。因此，关键是要提供工具，使早期的原型和评估的新的调度策略的异构平台。在本文中，我们提出了STOMP（调度技术优化在异构多处理器），一个模拟器的快速实施和评估的任务调度策略在多核/多处理器系统中的一个方便的接口，以简单的方式“插入”新的调度策略。STOMP的彻底验证表现出较小的相对误差相比，在稳态分析过程中的封闭形式的等效模型。
2020-07-28 cs.AR cs.DC
Parallel/Distributed Tabu Search for Scheduling Microprocessor Tasks in Hybrid Flowshop
本文研究带多处理器任务的混合流水车间调度中的最大完工时间最小化问题，提出了一种基于并行与分布式机制的禁忌搜索算法进行邻域评估，有效平衡了异构网络环境。
2025-09-14 cs.DC cs.SY eess.SY
A Dual Heterogeneous Island Genetic Algorithm for Solving Large Size Flexible Flow Shop Scheduling Problems on Hybrid multi-core CPU and GPU Platforms
柔性流水车间调度问题是一个NP难问题，当处理大规模的实例时，它需要大量的求解时间来找到最优甚至足够的解。为此，本文提出了一种由并行细胞模型和并行伪模型组成的双岛遗传算法。这是一种与底层架构高度一致的两级并行化，非常适合GPU和多核CPU内部或之间的并行化。在更高的层次上，通过利用不同的方法在搜索空间内探索新的区域来提高孤岛遗传算法的效率。同时，元胞模型通过分散化保持种群多样性，伪模型通过在较低层次上采用互补双亲策略增强搜索能力。为促进孤岛间的信息共享，设计了一种穿透式迁移策略，该策略自适应地设置了孤岛间的拓扑结构、迁移速率、迁移间隔和迁移策略。最后，在一些大规模柔性流水车间调度实例上进行了测试，并与其他并行算法进行了比较。计算结果表明，该方法不仅能获得较好的结果，而且能缩短计算时间。
2019-03-26 cs.DC
Parallel Path Progression DAG Scheduling
为了满足现代信息物理系统日益增长的性能需求，多处理器体系结构被越来越多地使用。为了有效地利用其潜在的并行性在硬实时系统中，适当的任务模型和调度算法，允许提供时间保证是必需的。这种调度算法和相应的最坏情况下的响应时间分析通常遭受资源过度供应，由于悲观的分析基础上的最坏情况的假设。因此，需要具有高资源效率的调度算法和分析。一个突出的并行任务模型是有向无环图（DAG）任务模型，其中优先约束的子作业表示并行性。研究了任意截止期的离散DAG任务的实时调度问题。我们提出了一个路径并行进展调度属性，只有两个不同的子任务的优先级，它允许同时跟踪执行的路径集合。这种新颖的方法显着提高了国家的最先进的响应时间分析高度并行DAG结构的并行DAG任务。基于此性质设计了两种分层调度算法，扩展了并行路径推进的性质，改进了对偶发任意截止期DAG任务集的响应时间分析。
2022-08-25 cs.DC
Resource Allocation in Cloud Computing Using Genetic Algorithm and Neural Network
针对云计算中多任务调度兼顾效率与资源利用率的难题，提出结合N2TC神经网络分类与GATA遗传算法分配的混合调度算法，兼顾公平性与多维度指标，在执行时间、成本、响应时间上均优于现有最优方法。
2023-08-22 cs.DC
Federated Scheduling Admits No Constant Speedup Factors for Constrained-Deadline DAG Task Systems
在多处理器系统中的联合调度方法中，任务要么1）被限制为在单个处理器上顺序执行，要么2）对分配的处理器具有独占访问权。已经有一些积极的结果，进行良好的联邦调度策略，具有恒定的加速因子相对于任何最佳的联邦调度算法。本文回答了一个公开的问题：“有向无环图（DAG）的依赖结构的约束期限的任务系统，联邦调度策略有一个恒定的加速因子，就任何最佳调度算法？答案是“不！本文给出了一个例子，它证明了任何联邦调度算法相对于任何最优调度算法至少有$Ω(\min\{M, N\})$的加速因子，其中$N$是任务数，$M$是处理器数。
2016-06-22 cs.DC cs.DS
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。
2009-03-08 cs.DC cs.NE
Resource Availability-Aware Advance Reservation for Parallel Jobs with Deadlines
提前预留对于保证作业的服务质量是重要的，其通过允许在资源上的定义的时间间隔上独占地访问资源。如何有效地组织资源并合理地分配给具有截止期约束的并行AR作业是调度器面临的一个挑战。本文提供了一种基于时隙的数据结构，以组织多处理器系统的可用资源的方式，使有效的搜索和更新操作，并制定了一套调度策略来分配资源的动态到达AR请求。通过仿真研究了不同作业规模、作业持续时间、系统负载和调度灵活性下调度算法的性能。仿真结果表明，作业规模、作业持续时间、系统负载和调度灵活性等因素对调度算法的性能指标均有影响，对于AR请求接受率最高的调度器，PE-Worst-Fit算法成为最佳调度算法，First-Fit算法的作业平均减速率最低.该数据结构和调度策略可用于大规模计算系统中具有截止期约束的并行AR作业的资源组织和分配。
2012-03-04 cs.DC
Modeling Processor Idle Times in MPSoC Platforms to Enable Integrated DPM, DVFS, and Task Scheduling Subject to a Hard Deadline
能源效率是现代嵌入式系统（如多处理器片上系统（MPSoC））最关键的设计标准之一。动态电压和频率缩放（DVFS）和动态功率管理（DVS）是用于降低此类嵌入式系统中的能量消耗的两种主要技术。此外，MPSoC对于许多实时应用变得越来越流行。在MPSoC上集成DVFS和实时应用的任务调度的挑战之一是在这些平台上的空闲时间间隔的建模。在本文中，我们提出了一种新的方法建模空闲时间间隔MPSoC平台，导致混合整数线性规划（MILP）制定集成的周期性任务图的硬截止日期，DVFS和任务调度。我们还提出了一个启发式的方法来解决MILP，并比较其结果与那些从解决MILP。
2018-12-19 cs.DC cs.OS
A GA based approach for task scheduling in multi-cloud environment
在多云环境下，任务调度由于其NP完全的性质而引起了人们的广泛关注。此外，由于具有不同容量和功能的云资源的异构性，这是非常具有挑战性的。因此，最小化任务调度的最大完工时间是一个具有挑战性的问题。本文提出了一种基于遗传算法的任务调度方法。该算法采用适应度函数推导和变异的创新思想进行描述。该算法暴露于严格的测试，使用各种基准数据集，其性能进行评估的总完工时间。
2015-11-27 cs.DC
Push Forward: Global Fixed-Priority Scheduling of Arbitrary-Deadline Sporadic Task Systems
偶发任务模型常用于分析实时系统中相同任务的重复执行。零星任务定义了一个无限序列的任务实例，也称为作业，在最小到达间隔时间约束下到达。为了保证系统的安全性，除了功能的正确性之外，还必须保证及时性，即，所有工作的所有任务必须在工作期限之前完成。我们专注于分析任意期限的任务集上的同构（相同）的多处理器系统在任何给定的全球固定优先级调度方法，并提供了一系列的可扩展性测试与不同的权衡之间的时间复杂度和准确性。在任意截止期的情况下，任务的相对截止期可以大于任务的最小作业到达间隔时间。我们表明，全球截止日期单调（DM）调度有一个加速比界$3-1/M$对任何最佳调度算法，其中$M$是相同的处理器的数量，并证明了这个界是渐近紧的。
2018-02-28 cs.DC cs.OS
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。
2014-07-23 cs.DC
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。
2011-06-27 cs.DC
Data-Aware Approximate Workflow Scheduling
在复杂的科学工作流中优化数据放置已变得非常重要，因为这些工作流生成的大量数据显著增加了端到端应用程序的周转时间。如果不考虑中间数据移动，几乎不可能对端到端工作流进行最优调度。为了降低工作流调度问题的复杂性，现有的工作大多通过一些不切实际的假设来约束问题空间，从而导致实际中的非最优调度。在这项研究中，我们提出了一个遗传数据感知算法的端到端的工作流调度问题。与以往的研究不同，我们为每个染色体开发了一个新的数据感知的评价函数，一个共同的增广交叉算子和一个简单但有效的变异算子。不同的工作流结构上的实验表明，所提出的基于遗传算法的方法给出了一个接近最优的调度。
2018-05-26 cs.DC
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。
2013-04-15 cs.DC
Task Scheduling in Cloud Computing Using Hybrid Meta-heuristic: A Review
近年来，随着高带宽互联网接入的出现，云计算应用蓬勃发展。随着越来越多的应用程序在云上运行以及不同云平台的总体用户群的增加，对高效作业调度技术的需求也有所增加。传统的作业调度算法的任务是确定作业的执行顺序，其使用最少的资源，如时间、处理、存储器等。通常，用户需要更多的服务和非常高的效率。有效的调度技术有助于资源的合理利用。在这个研究领域中，混合元启发式算法已经被证明是非常有效的优化任务调度提供更好的成本效率比单独使用。这项研究提出了一个系统的和广泛的分析任务调度技术在云计算使用各种混合变种的Meta探试法，如遗传算法，禁忌搜索，和谐搜索，人工蜂群，粒子群优化等在这项研究综述中，一个单独的部分讨论了使用各种性能评估指标在整个文献。
2022-01-23 cs.DC
Hybrid Genetic Algorithm for Cloud Computing Applications
University Sapienza of Rome（罗马第一大学）；Dalian Maritime University（大连海事大学）；Machine Intelligence Research Labs (MIR Labs)（机器智能研究实验室）
本文将遗传算法和模糊理论相结合，提出了一种混合作业调度方法，该方法考虑了系统的负载均衡，减少了总的执行时间和执行成本。本文尝试对标准遗传算法进行改进，并借助模糊理论减少种群生成的迭代次数。本研究的主要目标是在考虑虚拟机MIPS和作业长度的情况下，将作业分配给资源。新算法综合考虑作业长度和资源容量，将作业分配给资源。我们评估我们的方法与一些著名的云调度模型的性能。实验结果表明，所提出的方法的执行时间，执行成本和平均度的不平衡（DI）方面的效率。
2014-04-22 cs.AI cs.DC
Graph Partitioning with Acyclicity Constraints
Intel Corporation（英特尔公司）；Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）；University of Vienna（维也纳大学）
图被广泛用于对应用程序中的执行依赖性进行建模。特别是，NP完全问题的划分下的限制图受到了极大的关注，因为它在多处理器调度的适用性。我们确定了额外的约束，非循环块之间的依赖关系时，映射计算机视觉和成像应用程序到异构嵌入式多处理器。现有的算法和算法不能满足这一要求，并提供不适用于我们的用例的结果。在这项工作中，我们表明，这个更受约束的版本的图划分问题是NP-完全的，目前的算法，实现了一个紧密的近似的最佳解决方案，找到了一个详尽的搜索小问题的实例和更好的可扩展性较大的实例。此外，我们可以显示对实际成像应用程序的时间表的积极影响，从而改善通信量和执行时间。
2017-04-03 cs.CV cs.DC cs.DS
Multilevel Acyclic Hypergraph Partitioning
有向无环超图是有向无环图的一个推广概念，其中每个超边可以包含任意数量的头和尾。有向超图可用于对流应用中的数据流和执行依赖性进行建模。因此，超图分割算法可以用来获得有效的多处理器架构的并行化。然而，分区上的非循环约束是必要的映射流应用程序时，嵌入式多处理器由于这种类型的硬件资源限制。无环超图划分问题是将有向无环超图的超节点划分为给定数量的大小大致相等的块，使得相应的商图是无环的，同时最小化分区上的目标函数。在这里，我们贡献的第一个n级算法的无圈超图划分问题。我们的重点是无圈超图的超边可以有一个头和任意多个尾巴。在此基础上，我们设计了一个模因算法，以进一步降低通信成本，以及提高嵌入式多处理器架构上的调度最大完工时间。实验表明，我们的算法优于以前的算法，专注于有向无环图的情况下，以前已在应用领域。此外，我们的实验表明，这种类型的应用程序使用有向超图模型产生一个显着较小的完工时间。
2020-10-15 cs.DC cs.DS cs.NE
Improved Online Scheduling of Moldable Task Graphs under Common Speedup Models
针对可塑任务图的在线调度，提出新算法并在 roofline、communication、Amdahl 及一般组合加速模型下获得改进的常数竞争比，同时给出匹配或接近的下界。
2023-04-27 cs.DC cs.DS
A Genetic Algorithm for Power-Aware Virtual Machine Allocation in Private Cloud
能源效率已经成为衡量私有云调度算法的重要指标。所面临的挑战是在最小化能量消耗和满足服务质量（QoS）（例如，针对预留请求的及时的性能或资源可用性）之间进行权衡。我们考虑的资源需求的上下文中的私有云系统提供资源的应用程序在教学和科研。其中，用户在开始时间和之前几个小时的非中断持续时间请求用于实验室课程的计算资源。许多以前的工作是基于迁移技术，从低利用率的主机移动在线虚拟机（VM），并关闭这些主机，以减少能源消耗。然而，在我们的情况下，用于迁移VM的技术不能使用。针对静态虚拟机分配问题，提出了一种基于功率感知的资源分配调度的遗传算法。由于执行模拟的资源（即内存）有限，我们创建了一个工作负载，其中包含我们大学实验室一天时间表的样本。我们评估的GAPA和基线调度算法（BFD），它排序的虚拟机列表中的开始时间（即最早的开始时间第一），并使用最适合的减少（即最少增加的功耗）算法，用于解决相同的SVMAP。仿真实验结果表明，GAPA算法的总能耗低于基线算法。
2013-02-19 cs.DC cs.NE
Schedulability Analysis of Distributed Real-Time Applications under Dependence and Several Latency Constraints
本文着重分析了具有优先级和多延迟约束的实时的【形】非抢占式多处理机调度问题。它的目的是指定一个可并行性条件，使设计者检查先验-没有执行或模拟-如果它的任务调度将举行任务之间的优先级，以及几个延迟的限制强加在确定的任务对。它表明，所需的分析是紧密相连的应用程序图的拓扑结构。更确切地说，它取决于受延迟约束的任务路径的配置。作为研究的结果，一个充分的可并行性条件引入的优先级和延迟的限制，在最困难的配置方面的复杂性与最佳数量的处理器的应用程序的并行性。此外，所提出的条件提供了一个实用的下限一般情况下。性能结果和与最优方法的比较证明了该方法的有效性。
2013-01-21 cs.DC cs.OS
HetSched: Quality-of-Mission Aware Scheduling for Autonomous Vehicle SoCs
为自动驾驶汽车（AV）提供动力的片上系统（SoC）在部署之前必须满足严格的性能和安全要求。随着AV应用的复杂性不断增加，系统需要同时满足多个安全关键应用的实时需求。典型的AV-SoC是由通用核支持的加速器组成的异构多处理器。这种异质性，虽然需要功率性能效率，复杂的任务调度的艺术。在本文中，我们证明了硬件的异构性影响调度的有效性和优化的应用程序的实时方面是不够的，在AV。因此，需要一个更全面的方法-一个考虑全球任务质量（QoM）指标，如本文所定义的。然后，我们提出了HetSched，一个多步骤的调度，利用动态运行时信息的底层异构硬件平台，随着应用程序的实时约束和系统中的任务流量，以优化整体任务性能。HetSched提出了两种调度策略：MSstat和MSdyn，以及任务修剪、混合异构排序和排序更新等调度优化。与CPATH、ADS和2lvl-EDF（为异构系统构建的最先进的实时调度器）相比，HetSched的总体任务性能平均提高了4.6倍、2.6倍和2.6倍，硬件利用率平均提高了53.3%，同时满足了自动驾驶汽车实际应用的100%关键期限。此外，当用作SoC设计空间探索回路的一部分时，与之前的嵌入式系统相比，HetSched将SoC安全完成AV任务所需的处理元件数量平均减少了35%，同时实现了2.7倍的低能耗任务时间积。
2022-03-25 cs.AR cs.DC cs.OS
