简介:随着数据密集型计算的飞速发展,在虚拟计算环境研究的基础上,数据虚拟计算环境的研究工作也发展得如火如荼。其中,虚拟计算环境计算的任务调度是一个非常重要的问题,调度算法和策略的好坏将直接影响任务执行的效率乃至成败。提出了一种新的虚拟计算环境DAG任务调度算法,并建立了树状层级调度模型。通过将虚拟计算环境DAG任务转化为参数化任务图PTG(ParameterizedTaskGraph),采用在线和批处理相结合的方式,对各层任务进行在线处理,对层内任务进行批调度;经仿真平台实验,该本算法可有效提高并行效率,缩短调度时间。
简介:在移动边缘云计算系统中重复覆盖的异构网络场景下,为了满足移动终端的任务卸载需求,同时降低终端任务卸载代价,提出基于演进博弈的云资源和计算资源联合分配方案(JRA-EG).同一个区域内具有任务卸载需求的终端形成一个种群,种群中终端通过选择不同的服务点(SPs)获得不同的无线资源和计算资源.为了建模与分析服务点选择与资源分配,建立了演进博弈模型.博弈的代价函数包括能耗代价、时延代价和经济代价.分别提出了基于复制动态的集中式算法和基于Q-learning的分布式算法求解演进均衡.仿真结果表明,所提的2种算法均能快速收敛至均衡解.与已有算法相比,JRA-EG方案节省了终端消耗能量,同时也降低了任务卸载时延.提出的方案能合理调度云资源和无线资源,从而有效降低终端的任务卸载代价.
简介:任何规模的田径运动会,都要求场地组又快又好地画出各项目的的起、终线,抢道线,接力区线等等,作者在本文阐述几点有关前伸数方面的陋见,试图对改进场地组工作有所俾益。一、掌握规律,套用现成其实前伸数可以归纳为:前伸数=(外道一个弯道长—相邻内道一个弯道长)×运动员跑过弯道的次数。可列出如下的公式:S2=[π(R+K+0.2)-π(R+0.3)]n=(πR+πK+0.2π-πR+0.3π]n=[πK-0.1π]n=[k-0.1]πnS3=[π(R+2K+0.2)-π(R+K+0.2)n=[πR+2Kπ+0.2π-πR+Kπ+0.2π]n=[2Kπ-Kπ]n=[Kπ]n(设S代表前伸数,S1代表一分道前伸数,S2代表二分道前伸数S3……,R为内道牙半径。K为跑道宽。n为运动员所跑过的弯道次数)
简介:本文给Milne—Simpson预测一校正法新的导出方法.并以结构优化思想设计出通用性和可靠性较强的算法。