摘要：为使移动平均法预测技术的应用从专业化向大众化、人工化向智能化转变,在对一次移动平均模型进行改进之后,以预测的局部残差平方和最小为原则,设计出一种优选移动平均预测模型的min-min算法:首先,分别选出一次移动平均模型和二次移动平均模型各自的最优移动项数;然后,在最优的一次模型与最优的二次模型之间作出最优次数的选择;最后,基于优选出的移动平均模型对未来一期开展点预测和区间预测。同既有算法相比,本算法对移动平均法预测技术的进步性主要体现在:a)以先选定移动项数、后选定移动次数的程序算法取代先选定移动次数、后选定移动项数的专家做法,从而将移动平均法的实施从半自动化的人工预测提升至全自动化的智能预测;b)对现行的一次移动平均模型进行改进,从而大幅提高一次移动平均法的预测能力;c)在移动平均模型现行只有点预测的基础上进一步提出区间预测,从而起到完善和丰富预测报告的作用。

摘要：在云计算系统中,任务调度是其中的一个关键问题,它首要决定了整个云计算系统的运行效率。基于min-min算法思想和有向无环图(DAG)的基础上设计出一个解决依赖型的任务调度算法。根据具体例子进行算法演示,结果表明:该算法在完成时间跨度上与最优算法基本一致,有效地提高任务调度效率和云资源利用率。

摘要：针对异构系统之间的集成与数据交换问题,设计一种基于SOA集成平台的EFSM任务调度模型。采用XML格式编辑数据交换报文,分析SOA集成平台的3种数据交换情形,给出基于调度思想的任务队列调度算法,参照网格计算的min-min算法,对具有调度任务瓶颈的转发任务进行改进。实验结果表明,该模型能在SOA集成平台上高效运行。

摘要：网格资源调度策略是网格计算领域中的关键研究方向之一,网格模拟器是资源调度策略优化和改进研究的重要平台。本文研究了GridSim模拟器,对此模拟器的整个框架结构和运行机制作了阐述;对基础的minmin算法和QoSGuided min-min算法进行研究和改进,并通过基于GridSim包设计了应用程序,对改进后的算法进行了相应的模拟。模拟研究结果表明,改进后的算法在任务平均完成时间上优于以前的算法。

摘要：在线课程系统中,针对如何将查询请求充分映射到有限资源上这一热点问题,设计基于系统负载平衡的自适应查询处理器。该处理器综合考虑服务器、带宽等性能指标,建立由服务资源单元和远程查询消耗单元组成的基于资源负载平衡的查询期望代价矩阵,并结合利用min-min和Max-min算法的优点,提出新的自适应查询调度算法(A-MM)。实验表明A-MM有较好的执行效率和平衡负载能力。

摘要：随着用户不断增多,导致服务器不能满足多用户实时绘制地形的需求。利用地形实时绘制技术,提出了一种在网格环境下的基于地形分块的T-min-min任务调度算法。该算法根据地形块相互独立和绘制时块中三角形数目按比例分布的特点进行调度,提高了地形块调度的效率。提出的地形块的代价估算计算方法使得地形块能够按照接近实际值参与调度。实验结果表明,网格环境中地形分块的任务调度方法具有较高的效率。

摘要：针对数据网格环境下的多QoS约束任务调度问题,提出了一种基于最早完成时间与QoS相识度的数据网格任务调度算法(data grid task scheduling algorithm based on min-min and QoS similarity,MS-GTSA)。该算法将最早完成时间与S-GTSA算法相结合,在任务调度过程中,选取任务QoS约束与资源QoS匹配最佳,且完成时间最早的一项优先进行调度。在满足任务最佳QoS匹配的同时,时间跨度得到了较大的改善。仿真结果表明,该算法有效降低了任务调度的时间跨度,在综合性能上较S-GTSA算法有所提高。

摘要：网格任务调度是一个NP完全问题,它关注大规模的资源和任务调度,要求采用的调度算法能够具有高效性。遗传算法被证明是解决这类小规模问题的有效算法,随着任务数和资源数的增加,遗传算法表现出慢速收敛的缺点。为了克服其缺点,提出将min-min算法与遗传算法相结合的改进遗传算法,从而设计出很好的选择和交叉算子,提高了算法搜索能力和收敛速度。仿真结果表明该算法能更有效解决网格任务调度问题。

摘要：为解决网格任务调度难题,设计了一种模仿动物捕食策略的网格任务调度算法SAPS(Scheduling Algorithm Based onPredatory Search)。该算法首先确定待搜索区域,将待搜索区域划分为若干子区域,然后对子区域依次进行区域搜索,在搜索过程中如在某个子区域发现较优解,则对此子区域进行精密搜索,如未发现较优解,则转到下一个子区域,直至遍历所有子区域。SAPS算法具有较好的全局搜索和局部搜索的能力,克服了min-min算法单纯追求局部最优而缺少全局意识的缺点。试验结果表明,该算法能更有效地解决网格任务调度问题。