带准备时间和截止期约束的云服务工作流调度算法

针对多云环境下带截止日期约束的科学工作流调度问题,提出一种基于遗传算法操作的自适应离散粒子群优化算法(ADPSOGA),目的是在尽可能满足工作流截止日期前提下,减少其执行代价。该方法考虑多云之间的通信

随着云计算和网格计算的发展,云基础架构和网格为工作流应用程序提供了一个平台。 满足用户需求并有效完成工作流调度非常重要。 工作流的调度受到服务质量(QoS)参数的限制。 已经提出了许多调度算法来使用Q

提出了一种混合进化算法（HEA）用于求解具有序列相关依赖且带准备时间的单机调度问题,其优化目标为最小化总延迟。该混合进化算法由局部搜索和进化算法框架混合而成。HEA具有一些新的特点,例如在局部搜索中采

基于强化学习的云工作流调度算法

针对目前云计算服务中用户体验的要求不断提高,工作流业务繁多且复杂的现状,本文为了改善工作流中各子任务执行效率不平均以及计算资源利用率低的问题,通过云工作流仿真环境,结合群体智能优化算法理论,根据科学工

论文研究-基于MapReduce模型带准备时间的平行机调度优化.pdf, 研究了一类基于MapReduce模型的平行机调度问题.每个工件包含Map和Reduce两道加工工序，Map工序可以分割为若干个

工作流引擎核心调度算法，非常透彻的介绍。。。。。。。。。。。。。

随着大数据时代的来临,工作流应用开始由原有的基础设施转移到更加高效、可靠、廉价的云平台上。本文针对现有基于强化学习的云工作流调度算法收敛速度慢的问题,详细分析云工作流任务的执行流程,设计了一种细粒度的

提出了信任约束下的网格工作流任务调度算法。该算法结合直接经验和推荐经验计算资源的信任度，根据任务在候选资源上的执行时间确定关键任务，然后选择满足执行时间和信任综合函数的资源。实验结果表明。该算法不仅缩

提出了基于格分布方差的多目标云工作流调度算法和差粒子自学习策略。首先,考虑任务调度的特性,进行粒子编码离散化。其次,利用 Pareto 最优工作流调度解集映射到自适应网格坐标系的策略,计算网格坐标系中