论文部分内容阅读
作为一个NP完全问题,通常采用启发式算法来解决网格工作流调度。首先对网格工作流调度算法进行了分类,然后对其典型算法进行了分析和讨论,并阐述了一些典型网格工作流调度系统,最后指出了现有算法中的一些不足之处,展望了该领域的进一步研究方向。
网格工作流调度算法研究综述
【摘 要】
：
作为一个NP完全问题,通常采用启发式算法来解决网格工作流调度。首先对网格工作流调度算法进行了分类,然后对其典型算法进行了分析和讨论,并阐述了一些典型网格工作流调度系统,最后指出了现有算法中的一些不足之处,展望了该领域的进一步研究方向。
【机 构】
：
井冈山大学信息科学与传媒学院
【出 处】
：
计算机应用研究
【发表日期】
：
2009年08期
其他文献
移动自组织网的网络寿命很大程度上依赖于节点电池的有效利用,设计能量有效的算法来延长网络寿命成为其核心的问题。分析了MAC层的能量消耗,模型包括了节点的发送、接收、空闲和睡眠等状态,分析了冲突引起的重传以及节点偷听导致的能量消耗。最后给出了移动自组织网减少能量消耗的策略。
在IP网络使用多拓扑技术对不同业务区分服务和路由优化的背景下,提出一种改进的链路权重优化启发式算法,在一定条件下以一定概率接受非可行解,从而引入松弛机制扩大候选解范围,避免搜索陷入局部最优。在仿真中将所提出的算法和已有算法进行了比较,结果证明该算法能够为每个高优先级需求的服务层协定(SLA)提供保证,有效降低全网总时延或提高网络吞吐量。
结构化P2P网络中由DHT(分布式哈希表)来决定网络中资源的映射位置,这种方式在系统的可扩展性和资源的定位速度上都有了很大的提高。但是,在利用DHT构建覆盖网络时,并没有过多地考虑底层物理拓扑结构,因而产生了逻辑拓扑与物理拓扑的失配问题,造成了很多不必要的路由,降低了资源定位的效率。针对这种情况进行了大量的文献调研,对结构化P2P网络拓扑匹配现有的算法进行了介绍,分析了各种算法的优缺点,并在现有算
介绍了可信计算的研究进展情况,描述了基于可扩展固件接口EFI下可信计算平台的原理机制、体系结构及其平台实现框架,分析了基于信任根的信任链传递过程模型,并探讨了可信平台模块、可信软件栈及文件完整性验证等关键技术的实现。
当前所有的数字图像修复算法都是一种半自动的方法,因为在对图像修复前,都是由用户给出想要修复的区域,而算法无法自动获取照片的破损所在。提出了盲环境下图像自动修复的概念,以基于数字图像的样本修复为基础,改进了基于纹理合成的图像修复算法。首次运用数字图像可信性评估体系于图像修复,并通过可信性综合度量模型判断确定待修复区域。实验证明,该算法最终达到了盲环境下的图像自动修复效果。
频繁项集挖掘是关联规则挖掘的核心内容,提出了一种挖掘最大频繁项集的并行算法CDTR。它对CD(counting distribution)算法进行了改进,根据一种新的分布式共享内存环境下面向视图并行编程思想,将数据库划分成视图。为了实现动态任务分配,对数据库进行了预处理。实验结果显示CDTR能够高效地生成最大频繁项集,大大提高了分布式共享内存系统的效率。
经典均值漂移跟踪器(MST)和模板匹配跟踪器(TMT)在性能的许多方面具有强互补性。为利用这种互补性提高跟踪的可靠性,提出了一种混合跟踪算法(HTA)。HTA维持了颜色直方图和亮度模板两种目标模型,并分别以TMT和MST为主、辅跟踪器。当目标被遮挡或周围出现相似颜色模式的干扰物而造成主跟踪器错跟时,算法自动切换到辅跟踪器进行纠错;干扰消失或目标被重新捕获时,可自动切换到主跟踪器。实验结果表明,HT
基于网络QoS如延迟、丢包,建立网络化控制系统状态方程,通过双线性矩阵不等式(BMI)讨论在某种网络QoS下控制系统的稳定性,并以离散系统二次型性能指标为例设计最优LQR(linear quadratic regulator)控制器,得到保证系统控制性能的网络QoS约束。针对该约束,提出一种能够兼顾系统性能与网络QoS的网络化控制系统控制与调度协调设计方法。最后,通过仿真实验说明提出的协调设计方法
主要关注面向视频流媒体的应用层多播(ALM)技术的研究近况。首先总结了ALM的研究概况和分类,重点研究了几个针对视频流媒体应用而提出的ALM协议和框架,讨论其中用到的一些前沿技术,分析这些协议的优缺点,同时给出一些改进思路。最后展望了ALM视频流媒体技术的未来研究方向。
用蚁群优化求解组合优化问题时,信息素模型及其规则可能使问题的各组件之间的竞争失衡,从而有可能使蚁群搜索停滞在最差解。研究了蚁群优化求解k-最小生成树问题时的信息素模型及其更新规则对性能的影响,对原有的信息素模型作出了新的解释:直接表示k-最小生成树问题的边被选择的概率。基于新的信息素模型设计了一种新的解的构造过程,这种过程不仅产生可行解,也产生不可行解;同时研究了使用可行解和全部解更新信息素模型时