云网资源与视频任务的高效调度是保障视频物联网(video Internet of things,VIoT)应用性能的关键.然而,目前运营化VIoT所用调度算法对差异化的任务需求和高度动态的云网资源变化适应能力不足,导致VIoT应用性能不佳.针对上述问题,提出了...云网资源与视频任务的高效调度是保障视频物联网(video Internet of things,VIoT)应用性能的关键.然而,目前运营化VIoT所用调度算法对差异化的任务需求和高度动态的云网资源变化适应能力不足,导致VIoT应用性能不佳.针对上述问题,提出了一种基于连续学习的视频物联网任务需求理解与调度方法(continuous learning-based task demand understanding and scheduling method for VIoT,CLTUS).与传统启发式或机器学习驱动的调度算法不同,将连续学习引入云网资源与视频任务需求的匹配中.首先,基于通用的连续学习框架实现各类视频任务需求的准确理解;其次,依据视频任务之间的需求依赖关系,实现任务与服务器的适配,以精细化调度云网资源;最后,将所提方法部署于软件定义的VIoT实验平台上.与传统方法相比,CLTUS不仅将视频任务的平均处理效率提高了127.73%,还将云网资源利用均衡率提高至67.2%,有效增强了VIoT应用性能.展开更多
作战任务和平台资源的合理匹配是战役作战准备阶段的主要内容。考虑平台资源能力在作战过程中的损耗,在问题建模的过程中引入了资源能力的损耗系数,使得所建模型更加符合实际作战。提出了基于动态列表调度(dynamic list scheduling,DLS...作战任务和平台资源的合理匹配是战役作战准备阶段的主要内容。考虑平台资源能力在作战过程中的损耗,在问题建模的过程中引入了资源能力的损耗系数,使得所建模型更加符合实际作战。提出了基于动态列表调度(dynamic list scheduling,DLS)和遗传算法(genetic algorithm,GA)的模型求解方法,使用DLS选择处理的任务,使用GA为选定任务分配平台资源,给出了该方法具体的设计思路和流程。最后结合联合作战的战役算例,验证了所提方法的优越性和适用性。展开更多
为了提高桌面网格中资源的利用率,在FCFS(first come first service)调度的基础上,利用了检查点技术,提出与描述了几种高效的任务调度策略:FCFS-AT(adaptive timeout),FCFS-TR(task replication),FCFS-PD(prediction on demand)等。分...为了提高桌面网格中资源的利用率,在FCFS(first come first service)调度的基础上,利用了检查点技术,提出与描述了几种高效的任务调度策略:FCFS-AT(adaptive timeout),FCFS-TR(task replication),FCFS-PD(prediction on demand)等。分析了调度策略对资源挥发性与不可用所带来的负面影响,建立了实验环境,采用对子任务数据跟踪的工具,在不同的设置条件下对这些调度策略上进行了测试。测试结果表明,大部分的检查点调度策略都比经典的FCFS算法性能好,检查点的数目也影响系统的性能,但是影响不是很明显。展开更多
文摘云网资源与视频任务的高效调度是保障视频物联网(video Internet of things,VIoT)应用性能的关键.然而,目前运营化VIoT所用调度算法对差异化的任务需求和高度动态的云网资源变化适应能力不足,导致VIoT应用性能不佳.针对上述问题,提出了一种基于连续学习的视频物联网任务需求理解与调度方法(continuous learning-based task demand understanding and scheduling method for VIoT,CLTUS).与传统启发式或机器学习驱动的调度算法不同,将连续学习引入云网资源与视频任务需求的匹配中.首先,基于通用的连续学习框架实现各类视频任务需求的准确理解;其次,依据视频任务之间的需求依赖关系,实现任务与服务器的适配,以精细化调度云网资源;最后,将所提方法部署于软件定义的VIoT实验平台上.与传统方法相比,CLTUS不仅将视频任务的平均处理效率提高了127.73%,还将云网资源利用均衡率提高至67.2%,有效增强了VIoT应用性能.
文摘作战任务和平台资源的合理匹配是战役作战准备阶段的主要内容。考虑平台资源能力在作战过程中的损耗,在问题建模的过程中引入了资源能力的损耗系数,使得所建模型更加符合实际作战。提出了基于动态列表调度(dynamic list scheduling,DLS)和遗传算法(genetic algorithm,GA)的模型求解方法,使用DLS选择处理的任务,使用GA为选定任务分配平台资源,给出了该方法具体的设计思路和流程。最后结合联合作战的战役算例,验证了所提方法的优越性和适用性。
文摘为了提高桌面网格中资源的利用率,在FCFS(first come first service)调度的基础上,利用了检查点技术,提出与描述了几种高效的任务调度策略:FCFS-AT(adaptive timeout),FCFS-TR(task replication),FCFS-PD(prediction on demand)等。分析了调度策略对资源挥发性与不可用所带来的负面影响,建立了实验环境,采用对子任务数据跟踪的工具,在不同的设置条件下对这些调度策略上进行了测试。测试结果表明,大部分的检查点调度策略都比经典的FCFS算法性能好,检查点的数目也影响系统的性能,但是影响不是很明显。
