为解决分块并行Cholesky分解过程中各处理器间的负载平衡问题,分析了算法的下三角矩阵特性以及各轮循环和循环内部各步骤基本计算任务之间存在的依赖关系,以各步骤的矩阵块基本计算任务为顶点,任务间的依赖关系为有向边,构造有向无环图,并根据有向无环图的性质建立二级队列,然后利用该队列对就绪任务进行排队,实现任务的动态调度.研究结果表明:在矩阵块数不是非常大的情况下,该算法在时间性能上比传统的分块并行Cholesky分解算法具有明显的优势.
2023-03-02 23:33:55
662KB
1
负载均衡调度问题：假设有N个任务，需要负载均衡器分配给M个服务器节点去处理。每个任务的任务长度、每台服务器节点（下面简称“节点”）的处理速度已知，请给出一种任务分配方式，使得所有任务的总处理时间最短。CreateData文件
2022-11-08 22:02:05
1KB
1
<html dir="ltr"><head><title></title></head><body>将任务集与处理器处理能力之间的匹配关系作为研究调度算法性能的重要因素, 建立了相应的任务-处理器模型, 以描述多处理器系统的负载状况. 描述了多处理器系统任务可调度的必要条件, 设计实现了任务集的生成方法. 对节约算法进行改进, 提出了负载均衡的节约算法. 所提出的算法可在保证调度成功率的前提下, 缩短任务的平均响应时间和调度长度, 并均衡地提高处理器的利用率.</body></html>
2022-03-31 21:57:08
192KB
1
随着云计算的蓬勃发展，针对云计算中虚拟机负载不均衡及任务集完成时间较长的问题，提出了一种基于蚁群优化的任务负载均衡调度算法（WLB-ACO）。首先基于当前虚拟机的资源利用情况判断虚拟机的负载状态，其次，根据虚拟机的负载因子定义信息素的挥发因子（w），改进信息素更新规则，并利用WLB-ACO合理的分配任务，使整个系统达到负载均衡状态的同时任务集的完成时间最短。最后，采用Cloudsim工具设计仿真实验，实验结果表明，提出的基于蚁群优化的任务调度算法在性能、最短完成时间及算法的稳定收敛性上有了一定的提高。
2021-01-29 11:13:28
927KB
1