CN108595257B - 一种云任务调度方法 - Google Patents
一种云任务调度方法 Download PDFInfo
- Publication number
- CN108595257B CN108595257B CN201810393996.5A CN201810393996A CN108595257B CN 108595257 B CN108595257 B CN 108595257B CN 201810393996 A CN201810393996 A CN 201810393996A CN 108595257 B CN108595257 B CN 108595257B
- Authority
- CN
- China
- Prior art keywords
- task
- alliance
- resource
- federation
- coalition
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000005265 energy consumption Methods 0.000 claims abstract description 27
- 238000005457 optimization Methods 0.000 claims abstract description 19
- 230000008569 process Effects 0.000 claims abstract description 11
- 238000004891 communication Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000013507 mapping Methods 0.000 claims description 5
- 238000013468 resource allocation Methods 0.000 abstract description 5
- 230000011218 segmentation Effects 0.000 description 6
- 238000004220 aggregation Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000000052 comparative effect Effects 0.000 description 2
- 238000005755 formation reaction Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005304 joining Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/48—Program initiating; Program switching, e.g. by interrupt
- G06F9/4806—Task transfer initiation or dispatching
- G06F9/4843—Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
- G06F9/4881—Scheduling strategies for dispatcher, e.g. round robin, multi-level priority queues
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
- G06F9/505—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals considering the load
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提出了一种云任务调度方法。该方法包括:对云资源集合中的单个云资源进行联盟,得到初始化联盟结构;求解每个联盟的特征函数值;根据合并规则执行联盟合并过程,直到完成所有满足合并规则的联盟的合并;根据***规则执行联盟***过程,直到完成所有满足***规则的联盟的***;对于所得到的联盟结构,通过最小化任务在联盟中执行时的能耗和执行时间得到最优的调度解,并调度任务至所述联盟。本发明同时从用户任务与资源分配的双方考虑任务调度效率与资源方的能耗代价,实现均衡式优化的任务调度。
Description
技术领域
本发明属于云计算领域,更具体地,涉及一种云任务调度方法。
背景技术
云计算作为一种新的计算模式和商业模式,正受到学术界和产业界的广泛重视。云计算技术是分布式计算、并行计算和网格计算的进一步发展,利用虚拟化技术把计算资源、存储资源和带宽资源虚拟化为动态可伸缩的虚拟化资源池,以互联网为载体,以服务的形式按需提供给不同的用户使用。云计算环境下的数据中心可以有效地降低运行、维护和管理的难度,同时也提高了数据的安全性和可靠性。通过采用按需付费的机制,用户没有必要在网络高峰购买额外的硬件资源,这样不仅节省了购买硬件的费用,同时也省去了维护和管理带来的问题。
任务调度是云计算技术中非常关键并且复杂的问题,该问题解决的好坏不仅影响到用户的满意度,也极大地影响了***的整体性能。因此,在云环境下如何对任务进行合理高效的调度,提高用户的满意度,成为云计算研究的重点和难点。一般情况下,任务调度是一个NP完全问题。
常规的云任务调度方法中,通常设计单目标的优化函数,包括:任务的完成时间、资源上的负载均衡或任务的执行代价等方面的优化。任务完成时间可以仅考虑选择计算能力最高的资源即可完成,资源负载均衡则需要考虑在任务调度的均衡分配问题,任务执行代价优化则需要考虑尽量选择资源执行代价较低的资源进行任务调度。可以看出,这种单目标的云任务度通常仅考虑一个方面的优化,无法做到多性能的均衡优化,这并不符合现实环境中云任务的实际。
由于与一般社会经济活动的类似性,经济学中的博弈理论是解决云计算中资源配置及相应任务调度的一种有效方法。当前基于博弈论的云任务调度方法主要包括以下两类:非合作博弈方法和合作博弈方法。非合作博弈主要是以用户间相互竞争为出发点,优化用户任务的执行效率,选择最佳云资源实现任务调度。合作博弈则主要考虑到用户间可能建立协作关系的情况,通过局部间组建联盟的形式同步竞争云资源,以便得到更大的收益。无论是现有的非合作博弈方法还是合作博弈方法,在进行云任务调度与资源分配时,均只考虑到云计算环境中的提交任务需求的用户方,而忽略了资源提供方在任务调度中作为另一云实体对任务调度结果的影响,同时也忽略了资源方同样可以以建立联盟的形式进行任务调度,优化自身目标的需求。此外,现有的博弈调度方法均只从提交任务用户方考虑优化目标,而没有考虑资源方的优化目标,尤其没有考虑资源在执行任务过程中的能耗问题。资源方过高的能耗不仅会增加云提供商的成本,而且还会带来服务效率的隐患,并导致对环境不利的碳排放。
综合来看,云任务调度问题应用同时从用户任务与资源分配的双方考虑任务调度效率与资源方的能耗代价,实现均衡式优化的任务调度。
发明内容
为了实现上述目的,本发明提出了一种云任务调度方法,包括:
1)对云资源集合中的单个云资源进行联盟,得到初始化联盟结构;
2)求解每个联盟的特征函数值;
3)根据合并规则执行联盟合并过程,直到完成所有满足合并规则的联盟的合并;
4)根据***规则执行联盟***过程,直到完成所有满足***规则的联盟的***;
5)对于所得到的联盟结构,通过最小化任务在联盟中执行时的能耗和执行时间得到最优的调度解,并调度任务至所述联盟。
本发明提出的云任务调度方法,基于联盟博弈论,将资源集合划分为多个联盟结构,首先寻找最优的资源联盟形成方法,得到满足优化的最优联盟,然后以最小化联盟中资源能耗与任务执行时间为目标,实现每个任务与联盟中资源间的映射。本发明同时从用户任务与资源分配的双方考虑任务调度效率与资源方的能耗代价,实现均衡式优化的任务调度。
本发明的其它特征和优点将在随后具体实施方式部分予以详细说明。
附图说明
通过结合附图对本发明示例性实施方式进行更详细的描述,本发明的上述以及其它目的、特征和优势将变得更加明显,其中,在本发明示例性实施方式中,相同的参考标号通常代表相同部件。
图1示出示例性任务模型;
图2示出示例性资源模型;
图3示出了根据本发明的一个实施例的云任务调度方法的流程图;
图4示出示例性联盟结构。
具体实施方式
以如图1所示的有向无循环图DAG表示执行的任务模型,任务模型表示为Gt=(V,E),其中,V表示任务集合,V={v1,v2,…,vn},vi∈V,E表示任务间的有向边集合,边ei,j=(vi,vj)∈E表示任务vi与vj间的有向边,如果ei,j=1,则表示在Gt中任务vi的输出为任务vj的输入;如果ei,j=0,则表明任务vi与vj间无直接联系,vci表示任务vi需要的CPU计算周期数,di,j表示任务vi与vj间传输的数据量(单位:KB)。
以图2所示的有向图表示云资源模型,云资源模型表示为Gr=(R,L),其中,G表示云资源集合,R={r1,r2,…,rm},ri∈R,L表示资源间的通信链路,lh,k=(rh,rk)∈L表示资源rh与rk间的通信链路,如果lh,k=1,则表示资源rh与rk在Gr中是连通的,否则lh,k=0。bwh,k表示资源rh与rk间的通信带宽(单位:KB/s),rch表示资源rh上执行任务时单个CPU周期的能耗(单位:J),beh,k表示通信链路lh,k(资源rh与rk间)上传输单位数据量的能耗(单位:J/KB),xh表示资源rh的计算速率,以每个CPU周期需要的时间长度衡量(单位:s/CPU周期)。
任务调度的目标即是实现任务图Gt=(V,E)至资源图Gr=(R,L)间的映射,并实现目标函数的优化。
以下定义几个资源联盟形成的概念:
聚集
资源集合G中的聚集即为互不相交的联盟分割集合C={S1,S2,…,Sk},如果∪j=1, kSj=G,聚集C即为G的一个分割。
比较>>
将具有联盟偏好的联盟博弈表示为(S,≥),其中,S表示资源博弈集合,≥h表示资源博弈者h在∏h上的一种可传递偏好关系,∏h表示在集合S中包含资源博弈者h的子集的集合。则有:
由联盟偏好可知,如果A≥hB,则博弈者h选择偏好联盟A或在A和B上有相同偏好。
基于联盟偏好,可以为每个h定义其联盟偏好关系≥h,这可以使h在两个联盟上作出比较并选择对其中一个联盟的偏好。A≥hB表明比较联盟B,h偏好选择成为联盟A的成员,或h成为A和B的成员具有相同偏好。若A>hB,则表明h只偏好选择成为联盟A的成员。
接下来,基于联盟偏好关系≥h,定义两种比较关系:合并比较>>m和***比较>>s。
合并比较>>m定义为:
式(10)表明:如果联盟{S∪S’}得到的特征函数值大于联盟S和S’得到的特征函数值,则联盟结构{S∪S’}优于两个互不相交联盟{S,S’}。此时,云资源间可以通过联盟合并得到更高的特征函数值。
***比较>>s定义为:
式(11)表明:如果至少有一个联盟能够保持其特征函数值不变或特征函数值,则联盟结构{S,S’}优于{S∪S’}。此时,云资源间可以通过联盟***得到更高的特征函数值。
本发明的云任务调度方法基于联盟博弈论将资源集合划分为多个联盟结构,算法目标是将任务分配至资源联盟的每个资源上,即首先寻找最优的资源联盟形成方法,得到满足优化的最优联盟,然后以最小化联盟中资源能耗与任务执行时间为目标,实现每个任务与联盟中资源间的映射。
下面将更详细地描述本发明的优选实施方式。虽然以下描述了本发明的优选实施方式,然而应该理解,可以以各种形式实现本发明而不应被这里阐述的实施方式所限制。
图3示出了根据本发明的一个实施例的云任务调度方法的流程图。该方法包括:
步骤1:云资源集合中的单个云资源进行联盟,得到初始化联盟结构。
将云资源集合中的单个云资源进行联盟,也即将云资源集合分割为多个联盟,从而得到初始化联盟结构。如图4所示的联盟结构,可以看出,资源图Gr=(R,L)形成了两个联盟结构,不同联盟结构中会产生不同的任务调度方案。
步骤2:求解每个联盟的特征函数值。
将云资源间的合作行为建立为联盟博弈,定义为(G,τ),G表示博弈参与者集合,即可组成联盟的云资源,τ表示博弈的价值,即特征函数值,表示联盟可以得到效用。
其中,|S|表示资源联盟S的基数,即联盟S包括的资源数量;α和β分别表示能量因子和时间因子,代表方法在时行任务调度优化时赋予能量和时间因素上的权重,α∈[0,1],β∈[0,1],且α+β=1。
对于一个资源而言,是否加入某一联盟取决于加入后是否能够在任务执行时带来更好的执行能耗与执行时间的优化。本方法以单个资源为联盟带来的平均特征值是否最大为依据,即判断是否能使下式在所有S中达到最大,决定是否可以加入联盟。
步骤3:根据合并规则执行联盟合并过程,直到完成所有满足合并规则的联盟的合并。
在一个示例中,步骤3包括:随机选择未检测的两个联盟S和S’,计算合并联盟{S∪S’}的特征函数值,如果满足合并规则,则合并联盟S和S’并更新剩余联盟结构,否则保持联盟S和S’的结构不变,并重新选择未检测的联盟进行判断其是否符合合并规则,直到所有联盟已检测,不再存在满足合并规则的联盟为止。
具体地,合并规则为:对于联盟S和联盟S’,如果合并联盟{S∪S’}的特征函数值大于联盟S的特征函数值以及联盟S’的特征值函数,即{S∪S’}>>m{S,S’},则合并联盟S和S’。
合并规则表明如果两个联盟的所有云资源能够共同改进其特征值,则两个联盟会选择结成更大的联盟。
根据合并规则,联盟S和S’决定合并,表示在{S∪S’}中的所有资源均可以为联盟在执行任务时带来更高的特征值,即:
步骤4:根据***规则执行联盟***过程,直到完成所有满足***规则的联盟的***。
在一个示例中,步骤4包括:随机选择一个资源数量大于1的联盟,将其***为两个互不相交的子联盟,分别求解两个子联盟的特征值,如果满足***规则,则进行联盟S的***并更新剩余联盟结构,否则保持联盟S的结构不变,并重新选择未检则的联盟判断其是否符合***规则,直到所有联盟已检测,不再存在满足***规则的联盟为止。
具体地,***规则为:对于资源数量大于1的联盟,如果将所述联盟***后所得到的至少一个联盟能够保持其特征函数值不变,则对联盟进行***。例如,对于任意资源联盟{S∪S’}:若满足{S,S’}>>s{S∪S’},则***联盟{S∪S’}。
***规则表明仅当有一个子联盟至少能保持其特征函数值的情况下联盟才可能***。
根据***规则,联盟{S∪S’}决定***,表示S和S’的所有资源均可以为联盟在执行任务时带来更高的特征值,即:
对于云资源而言,其目标是寻找一个联盟,通过提供资源满足用户的任务执行需求,并最大化特征值。通过迭代式应用以上的联盟合并与***规则,将可以获得这种联盟结构。
步骤5:对于所得到的联盟结构,通过最小化任务在联盟中执行时的能耗和执行时间得到最优的调度解,并调度任务至所述联盟。
资源联盟形成即是讨论如何将博弈者划分为互不相交的集合。联盟结构C={S1,S2,…,Sh}表示云资源集合G的一种分割形式,其中,每个博弈者是确定的一个联盟的成员,即对于任意i和j,i≠j,Si∩Sj=,且∪Si∈CSi=G。由前文可知,在联盟结构中仅有一个联盟会被选择进行任务执行,选择联盟的标准则是是否能够满足优化目标的最小化或特征函数的最大化。
令C表示资源图Gr=(R,L)的所有分割形式组成的集合,S表示一种分割CS中的一个联盟,CS∈C,优化目标可形式化为:
其中,Energy(S)表示在联盟S中所有资源执行任务的能耗,Time(S)表示在联盟S中任务执行的时间。令si,h表示任务vi与资源rh间的映射关系,如果si,h=1,则表明任务vi被分配至资源rh上执行,否则,si,h=0。ri,h表示任务vi是否能执行于资源rh上,如果ri,h=1,则表明任务vi可执行于资源rh,否则,ri,h=0。
对于给定的联盟S,有:
在一个资源联盟中,能耗包括任务执行的计算能耗和资源间的通信能耗,即:
其中,rch表示在资源rh上执行任务时单个CPU周期的能耗(单位:J),vci表示任务vi需要的CPU计算周期数,beh,k表示通信链路lh,k(资源rh与rk间)上传输单位数据量的能耗(单位:J/KB),dj,i表示任务vi与vj间传输的数据量(单位:KB)。
而在一个资源联盟中,任务完成时间包括任务的计算时间和任务间的通信时间之和,即:
其中,xh表示资源rh的计算速率,以每个CPU周期需要的时间长度衡量(单位:s/CPU周期),bwh,k表示资源rh与rk间的通信带宽(单位:KB/s)。
算法的求解目标是得到最优的调度解si,h,最小化任务在联盟中执行时的能耗和执行时间。约束条件为:
其中,约束条件(4)表明每个任务vi仅能在一个资源上执行,约束条件(5)表明联盟中每个资源应至少分配一个任务执行,约束条件(6)表明当资源rh与rk存在通信链路时可相互协作,约束条件(7)表明任务执行受限于资源的能力。
可以看出,对于给定的联盟结构S,最优化问题是一个0-1整数规划问题,利用整数规划算法即可得到满足优化目标的最优调度方案。
以上已经描述了本发明的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。
Claims (5)
1.一种云任务调度方法,其特征在于,该方法包括:
1)对云资源集合中的单个云资源进行联盟,得到初始化联盟结构;
2)求解每个联盟的特征函数值;
3)根据合并规则执行联盟合并过程,直到完成所有满足合并规则的联盟的合并;
4)根据***规则执行联盟***过程,直到完成所有满足***规则的联盟的***;
5)对于所得到的联盟结构,通过最小化任务在联盟中执行时的能耗和执行时间得到最优的调度解,并调度任务至所述联盟;
联盟的特征函数值通过求解以下特征函数τ(S)获得:
其中,|S|表示联盟S包括的资源数量;α和β分别表示能量因子和时间因子,α∈[0,1],β∈[0,1],且α+β=1;Energy(S)表示在联盟S中所有资源执行任务的能耗,Time(S)表示在联盟S中任务执行的时间,h表示联盟S中的资源,Eh(S)表示联盟S中的资源h执行任务的能耗,Th(S)表示联盟S中的资源h执行任务的时间;
基于优化目标(2)、(3)和约束条件(4)、(5)、(6)、(7)求解最优调度解:
其中,si,h表示任务vi与资源rh间的映射关系,如果si,h=1,则表明任务vi被分配至资源rh上执行,否则,si,h=0;ri,h表示任务vi是否能执行于资源rh上,如果ri,h=1,则表明任务vi能执行于资源rh,否则,ri,h=0;ei,j表示任务vi与vj间的有向边;lh,k表示资源rh与rk间的通信链路;V表示任务集合;
在一个资源联盟中,能耗包括任务执行的计算能耗和资源间的通信能耗,即:
其中,rch表示在资源rh上执行任务时单个CPU周期的能耗,vci表示任务vi需要的CPU计算周期数,beh,k表示资源rh与资源rk间的通信链路lh,k上传输单位数据量的能耗,dj,i表示任务vi与任务vj间传输的数据量;
在一个资源联盟中,任务完成时间包括任务的计算时间和任务间的通信时间之和,即:
其中,xh表示资源rh的计算速率,以每个CPU周期需要的时间长度衡量,bwh,k表示资源rh与资源rk间的通信带宽。
2.根据权利要求1所述的任务调度方法,其特征在于,步骤3)包括:随机选择未检测的两个联盟S和S’,计算合并联盟{S∪S’}的特征函数值,如果满足合并规则,则合并联盟S和S’并更新剩余联盟结构,否则保持联盟S和S’的结构不变,并重新选择未检测的联盟进行判断其是否符合合并规则,直到所有联盟已检测,不再存在满足合并规则的联盟为止。
3.根据权利要求2所述的云任务调度方法,其特征在于,合并规则为:对于联盟S和联盟S’,如果合并联盟{S∪S’}的特征函数值大于联盟S的特征函数值以及联盟S’的特征值函数,则合并联盟S和S’。
4.根据权利要求1所述的云任务调度方法,其特征在于,步骤4)包括:随机选择一个资源数量大于1的联盟,将其***为两个互不相交的子联盟,分别求解两个子联盟的特征值,如果满足***规则,则进行联盟S的***并更新剩余联盟结构,否则保持联盟S的结构不变,并重新选择未检则的联盟判断其是否符合***规则,直到所有联盟已检测,不再存在满足***规则的联盟为止。
5.根据权利要求4所述的运任务调度方法,其特征在于,***规则为:对于资源数量大于1的联盟,如果将所述联盟***后所得到的至少一个联盟能够保持其特征函数值不变,则对联盟进行***。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810393996.5A CN108595257B (zh) | 2018-04-27 | 2018-04-27 | 一种云任务调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810393996.5A CN108595257B (zh) | 2018-04-27 | 2018-04-27 | 一种云任务调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108595257A CN108595257A (zh) | 2018-09-28 |
CN108595257B true CN108595257B (zh) | 2022-04-15 |
Family
ID=63610205
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810393996.5A Expired - Fee Related CN108595257B (zh) | 2018-04-27 | 2018-04-27 | 一种云任务调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108595257B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113112361A (zh) * | 2021-04-02 | 2021-07-13 | 东南大学 | 一种大宗商品交易中的监管主体联盟形成方法和*** |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102316154A (zh) * | 2010-06-22 | 2012-01-11 | 微软公司 | 优化对基于联盟基础结构的资源的访问 |
US8949847B2 (en) * | 2012-01-31 | 2015-02-03 | Electronics And Telecommunications Research Institute | Apparatus and method for managing resources in cluster computing environment |
CN104540211A (zh) * | 2015-01-23 | 2015-04-22 | 天津大学 | 一种合作联盟中的功率优化方法 |
WO2015168864A1 (en) * | 2014-05-06 | 2015-11-12 | Nec Corporation | Method and device for cooperative interference management in small cell networks |
CN106255034A (zh) * | 2015-11-25 | 2016-12-21 | 北京邮电大学 | 一种基于d2d的高能效内容分发方法 |
CN106777914A (zh) * | 2016-11-29 | 2017-05-31 | 中国水利水电科学研究院 | 一种具有联盟合作的竞争性评价模型和方法 |
CN107948983A (zh) * | 2017-11-13 | 2018-04-20 | 南京邮电大学 | 一种基于联盟博弈的能量采集小基站资源分配方法 |
-
2018
- 2018-04-27 CN CN201810393996.5A patent/CN108595257B/zh not_active Expired - Fee Related
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102316154A (zh) * | 2010-06-22 | 2012-01-11 | 微软公司 | 优化对基于联盟基础结构的资源的访问 |
US8949847B2 (en) * | 2012-01-31 | 2015-02-03 | Electronics And Telecommunications Research Institute | Apparatus and method for managing resources in cluster computing environment |
WO2015168864A1 (en) * | 2014-05-06 | 2015-11-12 | Nec Corporation | Method and device for cooperative interference management in small cell networks |
CN104540211A (zh) * | 2015-01-23 | 2015-04-22 | 天津大学 | 一种合作联盟中的功率优化方法 |
CN106255034A (zh) * | 2015-11-25 | 2016-12-21 | 北京邮电大学 | 一种基于d2d的高能效内容分发方法 |
CN106777914A (zh) * | 2016-11-29 | 2017-05-31 | 中国水利水电科学研究院 | 一种具有联盟合作的竞争性评价模型和方法 |
CN107948983A (zh) * | 2017-11-13 | 2018-04-20 | 南京邮电大学 | 一种基于联盟博弈的能量采集小基站资源分配方法 |
Non-Patent Citations (3)
Title |
---|
Nash Bargaining Game of Cloud Resource Provision in Cooperative Market;Xiaoqing Zhang;《Proceedings of the 3rd International Conference on Electrical and Information Technologies for Rail Transportation (EITRT) 2017》;20180331;全文 * |
云联盟中收益最优化算法;许利军,王付强,张小庆;《计算机应用研究》;20170731;第34卷(第7期);第1946-1949页 * |
联盟模式下云资源提供最优化算法;许利军,高国红,张小庆;《河南师范大学学报( 自然科学版)》;20170131;第45卷(第1期);第85-92页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108595257A (zh) | 2018-09-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Iranmanesh et al. | DCHG-TS: a deadline-constrained and cost-effective hybrid genetic algorithm for scientific workflow scheduling in cloud computing | |
CN111641973B (zh) | 一种雾计算网络中基于雾节点协作的负载均衡方法 | |
CN111199360A (zh) | 无人机任务分配规划方法 | |
CN108170530B (zh) | 一种基于混合元启发式算法的Hadoop负载均衡任务调度方法 | |
Samanta et al. | Incentivizing microservices for online resource sharing in edge clouds | |
CN106789118B (zh) | 基于服务等级协议的云计算计费方法 | |
CN110413389A (zh) | 一种资源不均衡Spark环境下的任务调度优化方法 | |
CN106817401B (zh) | 一种云环境中的资源配置方法 | |
CN113037876B (zh) | 基于合作博弈的云下行任务边缘节点资源分配方法 | |
US8813087B2 (en) | Managing a workload in a cluster of computing systems with multi-type operational resources | |
CN107329831A (zh) | 一种基于改进遗传算法的仿真资源调度方法 | |
Shishira et al. | Survey on meta heuristic optimization techniques in cloud computing | |
Pourebrahimi et al. | Market-based resource allocation in grids | |
CN108737462A (zh) | 一种基于图论的云计算数据中心任务调度方法 | |
CN108776863A (zh) | 一种基于用户基数最大化的群智感知激励方法 | |
CN108595257B (zh) | 一种云任务调度方法 | |
CN113992677A (zh) | 一种延迟与能耗联合优化的mec计算卸载方法 | |
Wang et al. | Joint service caching, resource allocation and computation offloading in three-tier cooperative mobile edge computing system | |
CN112954012B (zh) | 基于负载的改进模拟退火算法的云任务调度方法 | |
WO2024036909A1 (zh) | 一种面向边缘服务网络的负载公平卸载与迁移方法 | |
Kousalya et al. | Hybrid algorithm based on genetic algorithm and PSO for task scheduling in cloud computing environment | |
CN111008440A (zh) | 一种基于理想解法的五性与性能综合权衡方法 | |
CN113613261B (zh) | 基于合作队列博弈的边缘计算网络中的任务卸载分配方法 | |
CN110297694A (zh) | 一种基于资源分类和任务优先级的启发式云计算调度方法 | |
CN107295526B (zh) | 一种基于稳定匹配算法的保证需求下限的频谱分配方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20220415 |
|
CF01 | Termination of patent right due to non-payment of annual fee |