Semi-Federated Scheduling of Parallel Real-Time Tasks on Multiprocessors
联合调度是一种在多核上调度并行实时的【形】任务的有效方法，其中每个重任务在多个专用处理器上独占执行，而轻任务被视为连续的零星任务并共享剩余的处理器。然而，联合调度遭受资源浪费，因为具有处理能力要求$x + ε$（其中$x$是整数并且$0 < ε< 1$）的繁重任务需要$x + 1$专用处理器。在极端情况下，几乎一半的处理能力被浪费。本文提出了半联邦调度方法，该方法只允许$x$专用处理器处理具有处理能力要求的重任务$x + ε$，而将剩余的$ε$部分与轻任务一起调度到共享处理器上。随机生成的任务集的实验表明，半联邦调度方法显着优于不仅联邦调度，而且所有现有的方法调度并行实时的【形】任务在多核上。
2017-05-09 cs.DC
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。
2015-03-18 cs.DC cs.GT
Scheduling Fork-Join Task Graphs to Heterogeneous Processors
本文研究带通信延迟的 fork-join 任务图在相关异构处理器上的调度，提出 EPAS 及特殊情形的多项式算法，并说明结果可推广到带释放时间和截止时间的独立任务。
2023-06-05 cs.DC
Reinforcement Learning for Optimal Load Distribution Sequencing in Resource-Sharing System
Stony Brook Univesity（石溪大学）
可分负载理论（DLT）是数据密集型系统中可分负载问题建模的有力工具。利用机器学习框架研究了一个最优可分负荷分配排序问题。该问题的目的是确定分配可分负载到处理器的最优顺序，以达到最小的完成时间。调度在资源共享系统中执行，其中每个物理处理器被虚拟化为多个虚拟处理器。一个强化学习方法称为多臂强盗（MAB）用于我们的问题。我们首先提供了一个天真的解决方案，使用MAB算法，然后进行几次优化。进行了各种数值试验。我们的算法在训练过程中表现出越来越好的性能，当样本量足够大时，可以达到全局最优。
2019-02-05 cs.DC cs.LG
Adaptive Fixed Priority End-To-End Imprecise Scheduling In Distributed Real Time Systems
在端到端分布式实时的系统中，任务可以在不同的处理器上顺序执行。端到端任务的响应时间不能超过端到端任务的截止时间，才能将该任务视为可执行任务。在瞬时过载期间，可能错过最后期限或处理器可能饱和。不精确计算技术是通过权衡精确性和及时性来克服上述问题的一种方法。通过扩展现有的集成框架，我们开发了一个不精确的集成框架，用于在分布式实时的系统中调度固定优先级的端到端任务。为了满足不精确计算的要求，我们设计了一种新的优先级分配方案，称为全局强制相关方案。我们设计了一个处理器利用率调整算法，当处理器利用率大于1时，该算法可以减少处理器的负载。我们还扩展了在旧框架中提出的可扩展性分析算法，以允许自适应优先级分配，并满足不精确的计算概念。仿真结果表明，我们的新框架是更可靠和可预测的比现有的框架在瞬态过载期间。
2013-06-03 cs.DC
Efficient Multi-Processor Scheduling in Increasingly Realistic Models
研究在考虑通信、同步和NUMA效应的真实模型下计算DAG的多处理器调度问题，提出结合启发式、局部搜索和ILP的框架，显著优于基线，并开发多级算法应对高通信成本场景。
2024-04-23 cs.DC
ReSHAPE: A Framework for Dynamic Resizing and Scheduling of Homogeneous Applications in a Parallel Environment
在科学和工程中的应用程序通常需要大量的计算资源，以在合理的时间范围内解决问题。并行超级计算机为解决此类问题提供了计算基础设施。在并行集群上运行的传统应用程序调度器仅支持静态调度，其中分配给应用程序的处理器数量在作业执行的整个生命周期内保持固定。由于作业到达时间的不可预测性和变化的资源需求，静态调度可能导致空闲的系统资源，从而降低整个系统的吞吐量。在本文中，我们提出了一个原型框架称为ReSHAPE，它支持动态的并行MPI应用程序在分布式内存平台上执行。该框架包括一个支持应用程序调度的调度程序、一个使应用程序能够与调度程序交互的API，以及一个使调度变得可行的库。使用ReSHAPE调度器框架执行的应用程序可以扩展以利用额外的空闲处理器，也可以缩小以适应高优先级应用程序，而不会挂起。在我们的研究中，我们主要集中在结构化的应用程序，具有分布在二维处理器网格的二维数据数组。调整大小库包括用于处理器选择和处理器映射的算法。实验结果表明，ReSHAPE框架可以提高单个作业的周转时间和系统的整体吞吐量。
2007-03-27 cs.DC
New Results for the Heterogeneous Multi-Processor Scheduling Problem using a Fast, Effective Local Search and Random Disruption
异构计算环境下独立计算任务的高效调度是网格、云计算等领域的重要问题。寻找最优调度通常是一个NP难问题，因此我们必须依靠近似算法来尽可能接近最优的调度。在我们以前对这个问题的研究中，我们应用了一种快速，有效的局部搜索，在很短的时间内生成合理的良好时间表，并使用蚁群优化（ACO）在较长的时间内逐步改善这些时间表。在这项工作中，我们用随机中断算法替换ACO组件，并发现这产生的结果与当前的最先进的90秒的执行时间是有竞争力的。我们还在12个著名的基准测试实例上运行了更长的时间，从而为这些实例提供了新的上限。
2013-12-21 cs.DC
Multi-Core Processor Scheduling with Respect to Data Bus Bandwidth
本文考虑了多核处理器上软件模块的调度问题，同时考虑了数据总线的有限带宽和优先级约束。两个问题的配方与不同层次的问题的具体细节的建议，都被证明是NP难的。第一个问题建立了混合整数线性规划模型，第二个问题建立了贪心算法。最后，将贪心算法的求解结果与CPLEX求解器的MILP解进行了比较。
2020-10-30 cs.DC math.OC
A Framework for a Multiagent-based Scheduling of Parallel Jobs
本文提出了一种多智能体的方法作为一个范例调度并行系统中的并行作业。调度并行作业是平衡系统负载以提高并行应用性能的一种手段。并行作业调度被描述为两个图之间的映射：一个表示作业的依赖关系，另一个表示处理器之间的互连关系。并行作业调度算法的通常实现是通过主从模式。主从模式具有固有的通信瓶颈，当需要更多的处理器来处理作业时，会降低系统的性能。多智能体方法试图在处理器之间分配通信延迟，随着参与处理器的数量增加，这提高了系统的性能。本文提出了一个自主智能体的行为框架，它与其他智能体合作，以实现最小化处理时间的社区目标。实现此目标意味着座席必须通过{ \em标准化}、{ \em任务共享}和{ \em结果共享}过程与其他座席真实地共享信息。代理认为一个并行的科学应用程序作为一个有限的地平线游戏，真实的信息共享的结果到并行应用程序的性能改善。基于多代理的算法的性能进行比较，通过模拟的波包动力学使用量子轨道方法（QTM）作为测试应用程序的现有的。使用基于多代理的系统运行QTM的平均并行成本在更高数量的处理器上更低。
2015-06-26 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
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
Energy-Aware Scheduling Strategies for Partially-Replicable Task Chains on Heterogeneous Processors
Sorbonne University（索邦大学）；University of Bordeaux（波尔多大学）；Bordeaux INP（波尔多理工学院）
针对异构多核处理器上部分可复制任务链，提出三种调度策略（FERTAC、2CATAC和HeRAD），以最大化吞吐量并最小化能耗，实验表明近最优性能且能效优于同构方案。
2026-06-23 cs.DC
Energy-Aware Scheduling using Dynamic Voltage-Frequency Scaling
由于对环境的关注，分布式计算系统中的能量消耗问题已经变得相当关键。响应于此，许多能量感知调度算法已经开发主要通过使用动态电压频率缩放（DVFS）的能力纳入最近的商品处理器。这些算法中的大多数涉及两个通道：调度生成和松弛回收。后者通常是通过降低松弛任务的处理器频率来实现。在这篇文章中，我们研究了这一领域的最新论文，并对其进行了发展。这项研究是根据1,500个随机生成的任务图的实验结果进行评估的。
2012-06-10 cs.DC
Online Parallel Scheduling of Non-uniform Tasks: Trading Failures for Energy
考虑一个系统，其中不同执行时间的任务连续到达，并且必须由一组易于崩溃和重启的处理器执行。在本文中，我们模拟和研究的影响，并行性和故障的竞争力，这样一个在线系统。在一个无故障的环境中，一个简单的最长的系统调度策略，增强了冗余避免机制，保证在长期执行的最优性。然而，在存在故障的情况下，调度成为一项更具挑战性的任务。特别是，没有一个并行确定性算法可以与离线最优解竞争，即使只有一个处理器和两个不同的执行时间的任务。我们发现，当额外的能量以处理器加速的形式提供给系统时，情况发生了变化。具体来说，我们确定阈值的加速下，这种竞争力不能实现任何确定性的算法，并在竞争力的算法存在。最后，我们提出的算法，实现小有界的竞争比时，加速比超过阈值。
2013-06-08 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
Scheduling MapReduce Jobs and Data Shuffle on Unrelated Processors
我们提出了恒定的近似算法的灵活流水车间（FFS）的问题，形成一个现实的模型，在MapReduce系统的非抢占式调度的概括。我们的研究结果涉及一组MapReduce作业在不相关处理器上的总加权完成时间的最小化，并在两个方向上大大改进了Moseley等人提出的模型（SPAA 2011）。首先，我们考虑每个作业由多个Map和Reduce任务组成，因为这是MapReduce计算背后的关键思想，我们提出了一个常数近似算法。然后，我们在模型中引入了数据洗牌阶段的关键成本，即，从Map到Reduce任务传输中间数据的成本。事实上，我们通过为每个作业添加一组Shuffle任务来模拟这个阶段，并且当它们与相应的Reduce任务调度在相同的处理器上时，我们设法保持相同的近似比率，并且当它们调度在不同的处理器上时，我们也提供恒定的比率。这是FFS问题（具有特殊的第三阶段）的最一般设置，其中已知恒定的近似比。
2014-06-24 cs.DC cs.DS
Scheduling tree-shaped task graphs to minimize memory and makespan
本文研究了使用多处理器的树形任务图的执行。这种树的每条边都代表一个大的IO文件。只有当所有输入和输出文件都适合内存时，任务才能执行，并且文件只能在消耗后才能从内存中删除。例如，这种树出现在稀疏矩阵分解的多波前方法中。所需的最大内存量取决于任务的执行顺序。对于一个处理器，树遍历的目标是最小化所需的内存。该问题已被广泛研究并提出了最优多项式算法。在这里，我们通过考虑多个处理器来扩展问题，这在矩阵因式分解的应用领域中具有明显的兴趣。随着多个处理器而来的附加目标是最小化遍历树所需的时间，即，以最小化完工时间。毫不奇怪，这个问题被证明比顺序问题要难得多。我们研究了这个问题的计算复杂性，并提供了一个不可逼近的结果，即使是单位重量的树。提出了几种算法，每种算法都有不同的优化重点，并使用逼真的树木进行了广泛的实验评估。
2012-10-09 cs.DC
A log-linear $(2+5/6)$-approximation algorithm for parallel machine scheduling with a single orthogonal resource
随着计算和I/O性能之间的差距越来越大，现代高性能计算（HPC）架构包括一种新的资源类型：中间持久快速内存层，称为突发缓冲区。这只是与处理器本身正交的许多可再生资源之一，例如网络带宽或软件许可证。忽略正交资源，而只为处理器的调度决策可能会导致计划外的延迟的资源需求不能立即得到满足的工作。我们专注于一个经典的问题的最大完工时间最小化的并行机调度的独立顺序工件的额外要求的数量上的一个单一的可再生的正交资源。我们提出了一个易于实现的对数线性算法，我们证明是$2\frac56$ -近似。在模拟实验中，我们比较我们的算法标准贪婪列表调度算法，并表明，相比LPT，基于资源的算法产生显着更短的时间表。
2021-08-31 cs.DC
Comparative Analysis of Different Techniques of Real Time Scheduling for Multi-Core Platform
随着对实时的计算需求的日益增长，实时的系统的处理平台从单核平台向多核平台发生了重大的范式转变，多核平台提供了比许多单核处理器单元更高的吞吐量、线性功耗、处理器核的有效利用率和单位成本的高性能等优点。目前最流行的多核实时的调度器都是分区和全局调度的，这些调度器不适合有效地使用这个多核平台。虽然，半分区算法通过全局调度使用分区留下的空闲容量来提高利用率，但它具有离线任务分裂的固有缺点。虽然，半分区算法通过全局调度使用分区留下的空闲容量来提高利用率，但它具有离线任务分裂的固有缺点。针对多核实时的调度算法存在的这些问题，提出了一种新的基于动态簇的多核实时的调度算法--混合调度算法。本文讨论了不同的多核调度技术，并将这些技术与提出的基于动态集群的实时的多核调度进行了比较分析
2021-12-23 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
Leakage-Aware Reallocation for Periodic Real-Time Tasks on Multicore Processors
降低计算系统的能耗是一个越来越重要的问题。在本文中，我们考虑在多核处理器上基于分区的周期性实时的【形】任务的能量感知调度。调度利用动态电压缩放（DVS）和核心睡眠调度，以减少动态和泄漏的能量消耗。然而，如果核心状态切换的开销不可忽略，则该调度策略在能量效率方面的性能可能会降低。为了实现进一步的节能，我们扩展了静态任务调度与运行时任务重新分配。其基本思想是聚合内核之间的空闲时间，以便尽可能多的内核可以以降低整体能耗的方式进入睡眠状态。仿真结果表明，该方法比传统的泄漏感知DVS节能高达20%。
2010-11-13 cs.DC cs.OS
Efficiently Scheduling Parallel DAG Tasks on Identical Multiprocessors
本文针对相同多处理器上的并行DAG任务调度问题，提出结合专用处理器簇与跨簇拆分执行的Segmented-Flattened-and-Split调度算法，以回收碎片化容量并显著提高调度成功率。
2024-10-23 cs.DC
Co-Scheduling Algorithms for High-Throughput Workload Execution
本文研究了处理一组并行应用程序的协同调度算法。而不是一个接一个地执行每个应用程序，使用最大程度的并行性，他们每个人，我们的目标是在调度多个应用程序并发。我们将原始应用程序集划分为一系列的包，这些包被逐个执行。一个包包括几个应用程序，每个应用程序都有一个分配的处理器数量，约束条件是在一个包内分配的处理器总数不超过可用处理器的最大数量。我们的目标是确定一个分区成包，并分配处理器的应用程序，最大限度地减少包的执行时间的总和。我们深入研究了这个优化问题的复杂性，并提出了几种算法，表现出非常好的性能在各种工作负载，其应用程序的执行时间模型配置文件的并行科学代码。我们发现，联合调度导致更快的工作量完成时间和更快的响应时间平均（从而提高系统吞吐量和节省能源），从用户和系统的角度来看，传统的调度显着的好处。
2013-04-29 cs.DC cs.DS
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
Replication in Graph Partitioning and Scheduling Problems
Huawei Zurich Research Center（华为苏黎世研究中心）
研究复制对图划分和调度问题的影响，通过理论分析和实验验证，发现复制能显著提高图划分的近似难度，但对调度复杂性影响较小，实验显示复制可降低成本17%-65%甚至消除通信需求。
2026-04-30 cs.DC
Scheduling and data redistribution strategies on star platforms
在这项工作中，我们感兴趣的问题的调度和重新分配数据的主从平台。我们考虑的情况是工人拥有初始负载，其中一些必须重新分配，以平衡他们的完成时间。我们研究两种不同的情况。第一个模型假设数据由独立且相同的任务组成。我们证明了NP-完全性在强意义下的一般情况下，我们提出了两个特殊的平台类型的最优算法。此外，我们提出了一般情况下的三个算法。仿真结果验证了理论分析的正确性。第二种数据模型基于可分负载理论。这个问题可以解决在多项式时间的线性规划和简单的分析操作的组合。
2006-10-23 cs.DC
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。
2010-04-20 cs.DC
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。
2011-07-19 cs.DC
Parallel scheduling of task trees with limited memory
本文研究了使用多处理器的树形任务图的执行。这种树的每条边都代表一些大数据。只有当所有输入和输出数据都适合内存时，才能执行任务，并且只有在完成将数据用作输入数据的任务后，才能从内存中删除数据。例如，这种树出现在稀疏矩阵分解的多波前方法中。处理整个树所需的峰值内存取决于任务的执行顺序。对于一个处理器，树遍历的目标是最小化所需的内存。该问题已被广泛研究并提出了最优多项式算法。在这里，我们通过考虑多个处理器来扩展问题，这在矩阵因式分解的应用领域中具有明显的兴趣。多处理器的附加目标是最小化遍历树所需的时间，即，以最小化完工时间。毫不奇怪，这个问题被证明比顺序问题要难得多。我们研究了这个问题的计算复杂性，并提供了不可逼近的结果，即使是单位重量的树。我们设计了一系列实用的算法，实现了最小化峰值内存使用和最大完工时间之间的不同权衡。其中一些算法能够处理树，同时将内存使用量保持在给定的内存限制之下。在广泛的实验评估中，使用逼真的树木对不同的算法进行了评估。
2014-10-01 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
Non-monetary fair scheduling---a cooperative game theory approach
我们考虑一个多组织的系统中，每个组织贡献的处理器的全球池，但也要处理的共同资源上的工作。调度算法的公平性对于系统的稳定性甚至存在都是至关重要的（因为组织可能会拒绝加入不公平的系统）。我们考虑在线，非透视顺序作业调度。已启动的作业不能停止、取消、抢占或移动到其他处理器。我们认为相同的处理器，但我们的大多数结果可以扩展到相关或不相关的处理器。我们将公平调度问题建模为合作博弈，并使用Shapley值来确定理想的公平调度。与现有文献不同的是，我们没有用金钱来评估工作的相对效用。相反，为了计算一个组织的贡献，我们确定这个组织的存在如何影响其他组织的绩效。我们的方法可以用于任意效用函数（例如，流时间，迟到，资源利用率），但我们认为，效用函数应该是战略弹性。应劝阻各组织不要拆分、合并或拖延其工作。我们提出了唯一的（在一个乘法和加法常数）策略弹性效用函数。我们表明，公平调度问题是NP难的，很难近似。然而，对于单位大小的工作，我们提出了一个FPRAS。此外，我们表明，与组织的数量参数化的问题是FPT。虽然对于大量的组织的问题是计算困难的，所提出的指数算法可以用作公平性基准。
2014-04-22 cs.DC cs.GT
Randomized Work-Competitive Scheduling for Cooperative Computing on $k$-partite Task Graphs
分布式计算中的一个基本问题是由$p$处理器协作地执行给定的一组$t$任务的任务，其中通信介质是动态的并且容易发生故障。通信介质的动态特性导致处理器组在整个计算过程中断开连接并可能重新连接，此外，任务之间可能存在依赖关系。在本文中，我们提出了一个随机算法的竞争比是依赖于通信介质的动态，也对任务之间的依赖关系的性质。
2012-03-24 cs.DC cs.DS
Response-Time Analysis and Optimization for Probabilistic Conditional Parallel DAG Tasks
实时系统越来越多地使用多核处理器，以满足热，功率和计算需求。为了利用多核处理器提供的架构并行性，必须提供并行任务模型、调度算法和相对于实时约束的响应时间分析。在本文中，我们提出了一个基于预约的调度算法，零星的约束最后期限并行条件DAG任务的概率执行行为的应用程序，可以容忍有限数量的最后期限错过和有限的迟到。我们设计的规则和分析，以保证有限的迟到一个指定的有界概率$k$-连续的最后期限错过，而不强制执行迟到的作业立即中止。
2021-01-26 cs.DC
Distributed Algorithms for Scheduling on Line and Tree Networks
我们有一组处理器（或代理）和一组定义在某个顶点集上的图网络。每个处理器可以访问图形网络的子集。每个处理器具有指定为一对顶点$<u, v>$的需求以及利润;处理器希望在$u$和$v$之间发送数据。为了实现该目标，处理器需要选择其可访问的图形网络以及在所选网络内连接$u$和$v$的路径。处理器需要独占访问所选路径，以便路由数据。因此，处理器正在竞争路由/信道。可行的解决方案选择需求的子集，并在拥有需求的处理器可访问的图网络上调度每个选定的需求;解决方案还指定用于此目的的路径。要求是，对于在同一图网络上调度的任何两个需求，它们选择的路径必须是边不相交的。目标是输出具有最大总利润的解决方案。先前的工作已经解决了上述问题，在一个特殊的情况下，所有的图网络是简单的路径（即，线网络）的distributed设置。对于这种情况，已知分布常数因子近似算法。本文的主要贡献是双重的。首先，我们设计了一个分布常数因子的近似算法，更一般的情况下，树网络。我们的算法的核心组成部分是一个树分解技术，这可能是独立的利益。其次，对于线网络的情况下，我们将已知的近似保证提高了5倍。我们的算法也可以处理能力受限的情况下，其中的需求和边缘有带宽要求和能力，分别。
2012-10-05 cs.DC cs.DS
Reducing overheads of dynamic scheduling on heterogeneous chips
在最近的处理器开发中，我们见证了GPU和CPU集成到单个芯片中。这种集成的结果是减少了数据通信开销。这使得两个设备在执行并行工作负载时能够高效协作。在这项工作中，我们专注于在不规则的应用程序的上下文中，有效地调度块的并行循环之间的芯片上的计算设备（GPU和CPU核心）的迭代的问题。特别是，我们分析了主机线程实验时，一块迭代卸载到GPU，而其他线程同时执行CPU核心上的其他块的开销的来源。我们仔细研究这些开销在不同的处理器架构和操作系统使用巴恩斯小屋作为一个研究案例代表不规则的应用程序。我们还提出了一组优化，以减轻出现超额认购的开销，并利用异构体系结构的不同功能。得益于这些优化，我们在英特尔Ivy Bridge和Haswell架构上将能耗延迟乘积（EDP）分别降低了18%和84%，在Exynos big.LITTLE上降低了57%。
2015-01-14 cs.DC
Multi-criteria scheduling of pipeline workflows
将工作流应用程序映射到并行平台上是一个具有挑战性的问题，即使是对于简单的应用程序模式，如管道图。应优化几个拮抗剂标准，如吞吐量和延迟（或组合）。在本文中，我们研究了通信同构平台上的管道图的双准则映射问题的复杂性。特别是，我们评估了不同速度的处理器，这原来是NP难的著名的链到链问题的复杂性。我们提供了几个有效的多项式双准则算法，并通过大量的模拟评估其相对性能。
2007-06-28 cs.DC
A Simulator for Data-Intensive Job Scheduling
尽管基于大小的调度器可以在平均响应时间和公平性方面给出优异的结果，但数据密集型计算执行引擎通常不采用基于大小的调度器，这主要是因为作业大小不是先验已知的。在这项工作中，我们进行了基于模拟的性能分析时，他们采用典型的数据密集型计划的工作量和近似的大小估计。我们的结果是非常有前途的：即使当大小估计是非常不精确的，响应时间的大小为基础的调度器可以肯定小于简单的调度技术，如处理器共享或FIFO。
2013-08-21 cs.DC
Energy-aware scheduling under reliability and makespan constraints
我们考虑映射到一组同构处理器上的任务图。我们的目标是最大限度地减少能源消耗，同时执行两个约束：一个规定的执行时间（或完工时间）的界限，和可靠性阈值。动态电压和频率缩放（DVFS）是一种经常用于减少调度的能量消耗的方法，但是为了节省能量而减慢任务的执行降低了执行的可靠性。在这项工作中，为了提高可靠性的时间表，同时减少能源消耗，我们允许重新执行一些任务。我们评估的三个标准调度问题（完工时间，可靠性，能源）的复杂性，决定哪些任务重新执行，并在每个任务的执行速度应该做的，有两种不同的速度模型：处理器可以有任意的速度（连续模型），或处理器可以运行在一个有限数量的不同的速度，并在计算过程中改变其速度（VDD模型）。我们提出了几个新的三标准调度算法下的连续速度模型，我们通过一组模拟评估。这两个最好的物流是非常有效和互补的。
2012-08-02 cs.DC cs.DS
Optimizing Multi-DNN Inference on Mobile Devices through Heterogeneous Processor Co-Execution
School of Computer Science and Technology, Anhui University of Technology（安徽工业大学计算机科学与技术学院）；Department of Computer and Systems Sciences, Stockholm University（斯德哥尔摩大学计算机与系统科学系）；Institute of Computer Science, University of Tartu（塔尔图大学计算机科学研究所）；IISER Berhampur（印度科学教育与研究学院贝尔汉布尔分校）；College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院）；Computer Science School, Peking University（北京大学计算机学院）
提出ADMS策略，通过离线最优子图划分与处理器状态感知动态调度，在移动异构处理器上协同执行多DNN，实现延迟降低4.04倍。
2025-03-27 cs.AI cs.DC
Architecture-Aware Configuration and Scheduling of Matrix Multiplication on Asymmetric Multicore Processors
Universidad Jaume I（豪梅一世大学）；Universidad Complutense de Madrid（马德里康普顿斯大学）
本文设计了面向架构的矩阵乘法优化，通过缓存感知配置和异构静态动态调度策略，提升ARM big.LITTLE异构多核处理器的性能与能效。
2015-06-30 cs.DC cs.MS cs.NA
Scheduling under Precedence, Communication, and Energy Constraints
我们考虑的问题调度一组$n$任务的$m$处理器优先级，通信和全局系统能量约束下，最大限度地减少完工时间。我们扩展现有的调度模型，考虑能源的使用，并给出凸规划算法，产生基本相同的结果，现有的算法，不考虑能源，同时坚持严格的能源约束。
2011-05-26 cs.DC cs.DS
A Graph-Partition-Based Scheduling Policy for Heterogeneous Architectures
为了有效地提高系统性能，许多系统选择配备多核和众核处理器（如GPU）。由于它们的离散存储器，这些异构体系结构包括计算机内的分布式系统。在这种情况下，数据流编程模型很有吸引力，因为它易于表示并发性。程序员只需要定义任务依赖关系，而不需要考虑如何在硬件上调度它们。然而，将所得到的任务图有效地映射到硬件上仍然是一个挑战。在本文中，我们提出了一个图分区调度策略映射数据流的工作负载到异构硬件。根据我们的实验，我们的图分区为基础的调度实现了传统的基于队列的方法相当的性能。
2015-02-26 cs.DC
Scheduling Trees of Malleable Tasks for Sparse Linear Algebra
科学工作负载通常被描述为有向非循环任务图。在本文中，我们专注于稀疏矩阵的多锋分解，其任务图被构造为一棵树的并行任务。在现有的并行任务模型中，可延展任务的概念特别强大，因为它允许每个任务在时变数量的处理器上处理。根据Prasanna和Musicus提出的矩阵计算模型，我们考虑了具有延展性的任务，其加速比为$p^α$，其中$p$是任务执行的处理器的分数份额，$α$（$0 < α\leq 1$）是一个不依赖于任务的参数。我们首先激励我们的应用程序与实际实验在多核平台上的相关性，这个模型。然后，我们研究了由Prasanna和Musicus提出的最大完工时间最小化的最优控制理论的最优分配。我们在很大程度上简化了他们的证明，只诉诸纯粹的调度参数。基于这些新证据所获得的洞察力，我们将研究扩展到分布式多核平台。在那里，任务不能分布在多个分布式节点之间。在这样的分布设置（同构或异构），我们证明了相应的调度问题的NP-完全性，并提出了一些近似算法。最后，我们评估我们的方法的相关性模拟现实的树木。我们表明，我们的分配相对于现有的解决方案（因此不知道实际的加速功能）的平均性能增益是高达16%的$α=0.9$（在实际实验中观察到的值）。
2015-06-04 cs.DC
Cloud Versus Local Processing in Distributed Networks
提出了一种用于评估本地、云和可分割（即可分区）数据负载的组合处理的相对性能的方法。它显示了如何做到这一点的背景下Amdahl的法律。作为一个例子，一个单级（星型）网络下运行的三个基本的调度策略。应用包括移动计算、云计算和签名搜索。
2021-07-04 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
Myrmics: Scalable, Dependency-aware Task Scheduling on Heterogeneous Manycores
基于任务的编程模型已经变得非常流行，因为它们提供了一种有吸引力的解决方案，可以并行化带有任务和数据注释的串行应用程序代码。它们通常依赖于一个运行时系统，该系统将任务并行调度到多个核心，同时解决任何数据风险。然而，现有的运行时系统实现还没有准备好在新兴的众核处理器上很好地扩展，因为它们通常依赖于高速缓存一致性存储器中的集中式结构和/或共享结构上的锁。我们提出的设计选择，政策和机制，以提高运行时系统的可扩展性，为数百个核心的单芯片处理器。基于这些概念，我们创建和评估Myrtle，一个运行时系统的依赖性感知，基于任务的编程模型上的异构硬件原型平台，模拟一个单芯片处理器的8延迟优化和512吞吐量优化的CPU。我们发现，Myrandom成功地扩展到数百个核心。与具有手动调优消息传递的相同基准测试的MPI版本相比，Myrtle实现了类似的可伸缩性，性能开销为10-30%，但编程工作量更少。我们详细分析了运行时系统的可扩展性，并确定了关键因素，有助于它。
2016-06-14 cs.DC cs.PL
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]。
2015-12-09 cs.DC
rDLB: A Novel Approach for Robust Dynamic Load Balancing of Scientific Applications with Parallel Independent Tasks
科学应用程序通常包含大型和计算密集型并行循环。动态循环自调度（DLS）用于在高性能计算（HPC）系统上实现此类应用程序的平衡负载执行。大型HPC系统易受处理器或节点故障以及资源可用性扰动的影响。大多数自调度方法不考虑容错调度，或者依赖于故障或扰动检测，并通过重新调度失败的任务来做出反应。在这项工作中，一个强大的动态负载均衡（rDLB）方法提出了强大的独立任务的自我调度。所提出的方法是主动的，不依赖于故障或扰动检测。理论分析表明，该方法具有线性可扩展性，且开销随系统规模的增加呈二次方下降。rDLB集成到MPI DLS库中，通过两个计算密集型科学应用程序通过实验评估其性能。结果表明，rDLB使容忍高达（P减一）处理器故障，其中P是执行应用程序的处理器的数量。在存在扰动的情况下，与没有rDLB的对应物相比，rDLB将DLS技术的鲁棒性提高了30倍，并将应用程序执行时间降低了7倍。
2019-10-04 cs.DC cs.PF
An Efficient Thread Mapping Strategy for Multiprogramming on Manycore Processors
多核和众核处理器的出现将改变并行计算世界。应用程序正在转向增加并行性，以便有效地利用这些架构。这导致了这样一种情况，即每个应用程序都根据其并行特性和系统资源允许量创建其所需数量的线程。在这样的多线程多道程序设计环境中的任务调度是一个重大的挑战。在任务调度中，不仅要考虑任务的执行顺序，而且要考虑线程到执行资源的映射。在本文中，我们国家和讨论一些基本规则的基础上获得的结果从选定的应用程序的BOTS基准的64核TILEPro 64处理器。我们演示了如何以前高效的映射策略，如SMP Linux调度程序变得效率低下时，线程和核心的数量增长。我们提出了一种新的，低开销的技术，启发式的基础上每个CPU做一些有用的工作所花费的时间量，公平地分配工作负载的核心之间的多道程序设计环境。我们的新方法可以实现为一个杂注类似于那些在新的基于任务的OpenMP版本，或可以作为一个分布式线程映射机制，在未来的众核编程框架。我们表明，我们的线程映射方案可以优于本机GNU/Linux线程调度在单编程和多编程环境。
2014-03-31 cs.DC cs.PF
Non-Clairvoyant Batch Sets Scheduling: Fairness is Fair enough
调度问题自然出现在许多不同的领域，其中操作系统的设计，编译，.在现实系统中，作业的特性（如发布时间和处理时间）通常是事先未知和不可预测的。系统通常不知道每个作业中的剩余工作或作业利用更多资源的能力。根据这些观察，我们采用了Edmonds等人（2000，2003）的工作模型，其中工作经历了一系列不同的阶段。每个阶段由一定数量的工作和一个加速函数组成，该函数模拟了它如何利用接收到的处理器数量。我们考虑非透视在线设置，其中一组作业在时间0到达。我们考虑Robert et al（2007）引入的度量setflowtime。目标是最小化集合的完成时间之和，当所有的工作都完成时，集合就完成了。如果输入由单个作业集组成，这就是作业的完工时间;如果输入由单个集合组成，这就是作业的流程时间。我们表明，非透视战略EQUIoEQUI，均匀地分裂可用的处理器之间的仍然未服务的集合，然后均匀地分裂这些处理器之间的仍然未完成的作业的每个未服务的集合，实现了竞争比（2+ \sqrt 3+o（1））\frac{ln n}{lnln n}的setflowtime最小化，这是渐近最优的（一个常数因子），其中n是最大的集的大小。对于最大完工时间最小化，我们证明了非透视策略EQUI达到了（1+o（1））\frac{ln n}{lnln n}的竞争比，这又是渐近最优的。
2006-12-19 cs.DC cs.DS
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
