导读:本文包含了任务调度问题论文开题报告文献综述及选题提纲参考文献，主要关键词:云计算,任务调度,模拟退火算法,混合粒子群算法
任务调度问题论文文献综述
杨晓光,张奇松,张益民,盛国军[1]（2019）在《基于改进混合粒子群算法的云计算任务调度问题研究》一文中研究指出为提高云环境下任务调度效率,同时针对粒子群算法在解决云任务调度存在的缺陷,提出一种改进混合粒子群算法,首先为平衡粒子群算法的全局搜索能力和局部改良能力,对惯性权重进行非线性的动态改良,使之能进行自适应改变;其次为进一步提高其跳出局部最小解的能力,在粒子群算法求解过程中,加入模拟退火算法,使粒子群算法能快速找寻目标最优解.最后通过仿真实验,与传统蚁群算法和粒子群算法进行比较,结果表明所提算法收敛速度快,所用时间短,具备一定的优越性.(本文来源于《内蒙古大学学报(自然科学版)》期刊2019年06期）
常中祥,杨文沅,陈宇宁,周忠宝,姚锋[2]（2019）在《成像时长可变的视频卫星成像任务调度问题分析》一文中研究指出具有主动成像能力的视频成像卫星是一类新型对地观测卫星,依靠主动成像能力,它对地观测的成像时长是可变的。卫星可以获取地面目标一段时间内的连续图像信息,特别对于监视目标具有更强的观测能力。但新型的能力给卫星成像任务调度带来新的挑战,增加了任务调度问题求解的难度。本文将研究此类新型的更为复杂的卫星成像任务调度问题,提出一种成像时长计算方法。基于一类简单贪心算法,设计两类试验:单体试验和整体试验,详细分析任务成像时长变化的对卫星成像任务调度问题求解的影响,归纳一系列启发知识,并在贪心求解算法引入这些启发知识,分析算法的提升性。(本文来源于《第六届高分辨率对地观测学术年会论文集（上）》期刊2019-09-20）
钟斌[3]（2019）在《市“叁大一强”专项攻坚行动指挥部召开第二次会议》一文中研究指出本报讯（钟斌）7月30日下午，市“叁大一强”专项攻坚行动指挥部召开第二次会议，传达学习长江安徽段突出生态环境问题整改现场调度会议精神，研究调度全市“叁大一强”下步工作任务，确保按时间节点高质量完成整改任务。市委书记王宏主持会议并讲话，市委副书记、市长(本文来源于《池州日报》期刊2019-07-31）
黄武[4]（2019）在《全市工业重点工作调度会议召开》一文中研究指出本报讯(黄武)5月24日上午,我市召开工业重点工作调度会议,对全市工业经济运行、工业投资、工业节能等进行调度,对发展绿色生态产业、清理拖欠民营企业中小企业欠账、煤质管控、打击“地条钢”和稀土违法违规生产等重点工作再安排、再部署、再推进。副市长(本文来源于《白银日报》期刊2019-05-25）
李欣桐[5]（2019）在《考虑风险和工作量的电网调度操作任务分配优化问题研究》一文中研究指出电网调度操作是电网运行的核心环节,传统的调度操作风险评估主要通过对调度操作过程中可能出现的由设备状态或随机故障导致的预想事故进行分析和预判,确定操作的风险水平。然而,调度操作任务执行过程中,除了系统内部设备外,外部环境以及操作员本身的技能水平和心理状况等因素都会不同程度地影响风险发生的概率。因此,仅考虑物理过程的风险评估已不足以满足调度操作风险分析的需要,有必要对调度操作过程进行物理-社会建模。调度操作任务的分配的目的一方面为考虑调度工作各值班班次操作员工作量的均衡,提供职业公平性,另一方面需要降低操作风险,提高系统的运行可靠性。本文的主要研究内容如下:(1)分析了人为失误产生的原理和失误的类型,对操作失误的场景进行分类,建立了不同场景下人为影响因素的模型;分析了调度操作的原理,对常见的调度命令类型进行分类,对调度操作的过程进行分解。(2)建立考虑物理因素与社会因素的电网调度操作风险评估模型,分析调度操作过程中可能涉及的人为失误的具体情况以及对应的风险后果,并计算出具体操作场景下的人为失误概率值,考虑外部影响的修正系数,得出完整的风险概率值,计算调度操作全过程的风险值。(3)提出了一种基于细菌群体趋药性算法(BCC)的调度操作任务分配优化方法,预评估未来某时段调度操作任务的风险水平和工作量,在满足电网操作基本要求的同时对调度任务进行合理分配,使得操作风险以及调度工作各班次的工作总量差值均方差最小,实现风险均衡和工作量均衡,保证操作员的工作效率和工作准确率,避免操作员由于过度疲劳而给系统带来潜在风险。(4)采用IEEE-RTS79测试系统验证所提出的物理-社会融合风险评估模型,并以某电网实际调度操作任务序列进行分析,验证调度操作任务分配优化方法的可行性。结果表明,考虑人的影响因素的调度操作风险评估模型能够更全面地评估电网操作的风险。预计算次日所有调度操作任务的工作量和风险,采用BCC算法对调度操作任务进行优化分配,解算结果表明所提模型对于操作任务优化分配的有效性和实用性。(本文来源于《广西大学》期刊2019-05-01）
李向波[6]（2019）在《跨域大数据处理作业的任务调度问题研究》一文中研究指出近年来,公有云服务越来越成熟和普遍。公有云服务提供了以用户为中心、资源对用户透明、“按需付费、按量付费”的新型商业服务模式,为用户省去了自行组建和维护服务器集群的成本和精力。很多对人力、物力和时间成本较为敏感的中小型企业和组织选择在公有云平台上购买云服务器节点来组建其集群。同时,大数据处理技术己被广泛熟知和应用,而近年来出现了一种新的应用场景:跨地域大数据处理,即针对分布在不同地域集群中的大数据进行处理。很多公司或组织需要根据自有的业务类型或地区不同,在不同的地域购买云服务器来组建集群以处理相应的业务。这些不同的集群每天都会产生大量的数据且需要进行统一处理。对于这些输入数据分布在不同地域的处理作业,我们将其称为跨地域大数据处理作业。为了处理这些大量的分布在不同区域集群中的数据,现在主流的方法仍是集中式处理,即先将这些数据集中传输到一个集群中再对其进行分析处理。但是这样的处理方式并不总是可行的。除了大量原始数据传输会产生的时间和费用成本问题外,更重要的问题是,有些国家或地区为保护数据隐私,会禁止将用户原始数据传输到境外。因此,为了避免移动原始数据,就需要对其采用非集中式的处理方式,但与此同时也需要解决很多问题。首先,作业中间数据的跨地域传输无法避免,而公有云平台的广域网链路会按数据传输量来收费,虽然作业中间数据量一般要小于原始数据,但也会产生一定的数据传输费用,这是对成本敏感的用户会关注的问题;其次,跨地域大数据处理作业的完成时间更容易受到广域网链路瓶颈、不同集群差异性以及集群内环境变化等多种因素的影响。因此,考虑到上述问题的存在,如何更合理的对跨地域的大数据进行处理是一个亟需解决的问题。本文考虑的问题是,在不移动原始数据的前提下,考虑作业中间数据跨域传输的费用预算约束,对跨地域大数据处理作业进行任务调度,使其作业完成时间最小化。本文的主要工作包括:1.针对多阶段结构的Spark类型作业,提出了一种成本约束的跨地域作业的任务调度策略RTSG。包括:自适应调整各阶段数据传输预算的预算分配策略,阶段完成时间的预估方法,以及具有数据传输成本约束的任务调度等内容。2.在RTSG调度策略的基础上,进一步考虑集群内空闲计算资源量动态变化对跨地域大数据处理作业的影响,提出了一种针对跨地域作业的资源感知任务调度策略R-RTSG。包括:基于马尔科夫链模型的空闲计算资源量和资源申请量的预测方法,针对跨地域大数据处理作业的资源预留策略,以及根据各个集群的运行状态实时调整任务分配结果的动态任务调度策略等内容。3.由于现有的大数据处理系统不适用于跨地域大数据处理作业,因此我们基于Spark和Hadoop设计并实现了一个针对跨地域大数据处理作业的系统平台,实现了无需修改现有作业程序内容即可直接处理跨地域数据的功能。在模拟实验和系统实验中,相比于Spark的调度机制和一些现有工作,本文所设计的RTSG和R-RTSG算法都展现出了比较好的效果,对缩短作业完成时间和减少数据传输成本起到了较好的作用。(本文来源于《南京大学》期刊2019-05-01）
刘文隆[7]（2019）在《MapReduce任务调度和洗牌调度问题的研究》一文中研究指出MapReduce是数据中心中一种流行的数据并行处理框架,其通过将作业拆分成多个任务并交给多个节点处理,以较低成本和较高效率完成海量数据的处理。MapReduce将作业拆分成映射(map)任务和归约(reduce)任务,并将作业处理流程分为映射(map)阶段,洗牌(shuffle)阶段和归约(reduce)阶段;其中,归约任务与映射任务之间的数据传输阶段被称为洗牌阶段。在运行映射任务和归约任务之前,任务所在节点会从数据所在节点获取任务运行所需的数据。因此,合理地将映射任务和归约任务部署到合适的计算节点能减少网络流量,以提高MapReduce性能。同时,洗牌阶段占据整个作业运行时间的很大一部分,因此合理地调度洗牌数据能够减少洗牌阶段的调度长度,从而改善MapReduce性能。本文针对MapReduce任务获取所需的网络流量和洗牌数据传输调度长度,分别研究了任务调度问题和洗牌数据传输调度问题,主要研究内容如下:(1)MapReduce框架中任务调度问题。在任务调度问题中,如何确定任务调度位置从而最小化网络流量是决定算法性能的关键。目前的调度算法仅单独针对映射任务或归约任务进行调度优化,而未综合考虑两种任务调度对网络流量产生的影响。本文提出了一种数据副本位置感知的映射任务和归约任务联合调度算法RAJS(data Replica location-Aware Joint map and reduce Scheduling)。算法结合映射任务输入数据的多个副本位置,来决定映射任务和归约任务的调度位置。实验表明,RAJS能有效减少网络中的数据流量。(2)MapReduce框架中洗牌数据传输调度问题。数据中心网络中,常有一些周期性的作业需要执行,因此导致网络链路周期性的忙碌和空闲状态。现有的研究工作都忽略了周期性网络状态对洗牌数据传输调度的影响。本文提出了周期性网络状态感知的MapReduce作业洗牌调度算法MSS(Shuffle schedule algorithm for MapReduce jobs based on periodic network status)。在网络空闲时间段大小相同的情况下,本文证明了所提出的算法是近似比为3/2的近似算法。实验结果表明,该算法能够有效减少洗牌阶段的调度长度并提高网络利用率。(本文来源于《合肥工业大学》期刊2019-04-01）
冉文学,李子悦,焦香萍[8]（2019）在《含批处理和多订单任务的配送中心调度问题》一文中研究指出文章研究一个拥有3个阶段的配送中心调度的问题。第1与第3个阶段具有批处理和非批处理机制,第2个阶段是非批处理机制,每个阶段之间没有缓冲区。此配送中心有到货订单和配送订单等多订单任务,均历经3个阶段并在第1和第3阶段由不同的物料搬运车进行运送。以第2阶段中订单处理的最短时间为目标函数,对此问题构建0-1混合整数规划模型,并提出基于设备状态变化的协同优化算法,动态建立订单在配送中心3个阶段的加工路线,结果表明订单的自动分拣效率得到了一定的提高。(本文来源于《物流科技》期刊2019年03期）
资元星[9]（2019）在《区分任务紧急性的居家养老预约调度与路径规划问题研究》一文中研究指出近年来,中国人口老龄化程度逐步升高,在养老方式选择上,国内90%的老年人选择居家养老,居家养老服务领域的巨大发展潜力逐渐显现。然而,居家养老行业医护资源紧缺的现状仍不容小觑,以深圳为例,深圳社康中心全科医生缺口多达1500人。医护资源匮乏、人力成本居高不下使得老年人的服务需求无法被满足,老年人满意度降低。尽管一方面国家已加强医护人才的培养,但另一方面,在紧缺的医护资源下如何优化医护人员的服务效率以提高居家养老行业的服务效率与满意度,是居家养老行业面临的一个关键的现实问题。因此,本研究深入探讨居家养老行业医护人员的预约调度与路径规划问题,以在一定服务水平下最大可能的满足老年人的需求。本文在国内外关于居家养老预约调度问题及时间窗约束下的路径规划问题等相关研究的基础上,考虑国内居家养老行业医护资源匮乏的现状及居养行业不同于一般服务行业的特性,试提出基于区分任务紧急性对此问题进行研究,并以模糊时间窗来描述不同任务紧急性下的客户需求。其次根据不同居家长者医护任务服务时长不一的特点将本文预约调度问题分为确定服务时长和模糊服务时长两种情况。在有限资源下,为最大可能地满足客户需求,以客户满意度最高、护工时间成本最低为目标,区分任务紧急性考虑护工技能匹配、客户模糊时间窗等约束条件,分别在确定服务时长和模糊服务时长情况下建立护工预约调度与路径规划模型。在确定服务时长情况下提出嵌入服务开始时间调整程序的多目标遗传算法对问题进行求解,在模糊服务时长情况下采用随机模拟方法结合多目标遗传算法进行求解。以不同规模的居家养老社康中心为研究案例,分析其护工调度流程,分别在确定服务时长和模糊服务时长情况下设计了数值分析方案,分析不同紧急任务占比、不同需求规模、不同服务水平系数及不同主观偏好值对模型运行结果的影响。并得到如下结论:紧急任务占比影响调度效果,决策者在安排任务时应尽量减少当天紧急任务的比例;需求规模决定主观偏好值的选择,需求低峰下较大的主观偏好值可以使客户满意度更高;不同紧急任务比例下不同主观偏好值对护工时间成本和客户满意度的影响不同。(本文来源于《华南理工大学》期刊2019-03-06）
黄春秋[10]（2019）在《大规模数据并行处理应用中的弹性任务调度问题研究》一文中研究指出Hadoop分布式计算框架有效解决了大规模数据并行处理中数据的存储与计算问题,集群资源分配及调度方式对于提高系统的整体性能具有重大的现实意义。目前,相关学者在提高数据本地化,作业完成时间,系统吞吐量等方面提出了各种启发式算法来改善系统的整体性能。然而大部分启发式算法在调度过程中采用贪心策略去调度任务,对于任务缺乏整体性规划,而且由于数据分布式存放在集群中,Shuffle阶段仍会产生网络拥塞造成作业完成时间的延迟。随着数据量的急剧增长,合理的分配及利用资源、释放顶层带宽并加快作业的完成速度是目前面临的新挑战。另外,现实生活中部分用户对于作业有截止时间的要求,现有算法没有考虑到作业不同完成时间产生的不同收益问题,即作业对于截止时间的敏感程度不同。本文针对以上两方面问题,分别设计了调度算法去解决。研究的重点:1.资源分配策略;2.作业调度方法。以上两方面的好坏直接影响平台的整体性能和系统资源的利用率。在现实生活中存在许多重复性的工作具有可预测的属性特征,通过建立相应的模型可以对作业的执行时间进行预测。另外,在研究过程中发现作业调度与矩形条装箱问题有许多相似之处,不同点是任务矩形条的形状会随着分配资源的不同而改变,我们称之为弹性作业。本文首次将集群资源调度问题转化为可变的任务矩形条装箱问题,设计了弹性作业装箱算法(Flexible Job Bin Packing algorithm,简称FJBP)。同时本文结合遗传算法,进一步优化解集。针对作业的截止时间不同敏感性问题,本文首先将作业根据敏感程度进行了分类,设计了既考虑作业紧急程度又考虑作业预执行收益的一种作业弹性与截止时间感知的调度算法(elasticity and Deadline Aware job scheduling algorithm,简称DA)。在Matlab仿真的环境下验证了本文算法的优势。FJBP算法缩短了作业的整体完成时间,提高了系统资源利用率,释放了顶层带宽且一定程度上减少了网络拥塞。DA算法在作业执行前会去衡量作业执行的综合收益,优先选择收益大的去执行。实验表明整体收益平均提高了2.37倍。(本文来源于《天津工业大学》期刊2019-01-11）
任务调度问题论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
具有主动成像能力的视频成像卫星是一类新型对地观测卫星,依靠主动成像能力,它对地观测的成像时长是可变的。卫星可以获取地面目标一段时间内的连续图像信息,特别对于监视目标具有更强的观测能力。但新型的能力给卫星成像任务调度带来新的挑战,增加了任务调度问题求解的难度。本文将研究此类新型的更为复杂的卫星成像任务调度问题,提出一种成像时长计算方法。基于一类简单贪心算法,设计两类试验:单体试验和整体试验,详细分析任务成像时长变化的对卫星成像任务调度问题求解的影响,归纳一系列启发知识,并在贪心求解算法引入这些启发知识,分析算法的提升性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
任务调度问题论文参考文献
[1].杨晓光,张奇松,张益民,盛国军.基于改进混合粒子群算法的云计算任务调度问题研究[J].内蒙古大学学报(自然科学版).2019
[2].常中祥,杨文沅,陈宇宁,周忠宝,姚锋.成像时长可变的视频卫星成像任务调度问题分析[C].第六届高分辨率对地观测学术年会论文集（上）.2019
[3].钟斌.市“叁大一强”专项攻坚行动指挥部召开第二次会议[N].池州日报.2019
[4].黄武.全市工业重点工作调度会议召开[N].白银日报.2019
[5].李欣桐.考虑风险和工作量的电网调度操作任务分配优化问题研究[D].广西大学.2019
[6].李向波.跨域大数据处理作业的任务调度问题研究[D].南京大学.2019
[7].刘文隆.MapReduce任务调度和洗牌调度问题的研究[D].合肥工业大学.2019
[8].冉文学,李子悦,焦香萍.含批处理和多订单任务的配送中心调度问题[J].物流科技.2019
[9].资元星.区分任务紧急性的居家养老预约调度与路径规划问题研究[D].华南理工大学.2019
[10].黄春秋.大规模数据并行处理应用中的弹性任务调度问题研究[D].天津工业大学.2019