CN108920206B - 一种插件调度方法及装置 - Google Patents
一种插件调度方法及装置 Download PDFInfo
- Publication number
- CN108920206B CN108920206B CN201810607856.3A CN201810607856A CN108920206B CN 108920206 B CN108920206 B CN 108920206B CN 201810607856 A CN201810607856 A CN 201810607856A CN 108920206 B CN108920206 B CN 108920206B
- Authority
- CN
- China
- Prior art keywords
- plug
- scheduling
- scheduling scheme
- ins
- substrings
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/445—Program loading or initiating
- G06F9/44521—Dynamic linking or loading; Link editing at or after load time, e.g. Java class loading
- G06F9/44526—Plug-ins; Add-ons
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Stored Programmes (AREA)
Abstract
本发明是关于一种插件调度方法及装置。该方法包括:获取包括所有插件信息的有向无环图信息;生成n位随机数,根据随机数生成分配子串,分配子串包括执行插件的线程;根据有向无环图信息生成调度子串,调度子串包括执行插件的顺序;根据分配子串和调度子串生成插件调度方案,得到第一插件调度方案集合;根据遗传算法将第一插件调度方案集合进行遗传处理,得到第二插件调度方案集合;从第二插件调度方案集合中选择最优插件调度方案;根据最优插件调度方案进行插件调度。该技术方案,降低插件调度所使用的时间,提高软件性能。
Description
技术领域
本发明涉及计算机程序处理技术领域,尤其涉及一种插件调度方法及装置。
背景技术
在一般的应用程序里,开发出来的产品满足了当时的设计需求。然而,用户往往会提出新的功能需求,为了满足这些需求而不对程序做完全的重写,插件技术的应用是不错的选择,使得可以在不修改主程序代码的情况下,为软件增加新的功能,满足不同客户的需求。插件可以看作是软件中的一种特殊的小程序,不能单独执行,必须依赖宿主程序才能执行。
插件之间的运行关系有两种:并发关系和顺序关系。并发关系是指一些插件之间不存在依赖关系时,可同时执行以此来提高执行效率,并发执行可以通过线程池实现;顺序关系是指一些插件之间存在依赖关系,要根据一定的顺序执行。在实际执行中,这种依赖关系是多个映射、多层重叠的。如图1所示,插件B和插件C要在插件A执行之后才能执行;插件E、插件F和插件G要在插件C执行之后才能执行;插件I要在插件D和插件A都执行完才能执行。插件E、插件F和插件G不存在依赖关系,因此能并发执行。
对于使用插件技术的软件,插件的执行时间是影响软件性能的主要因素,因此寻找合适的插件调度算法十分重要。
发明内容
本发明实施例提供一种插件调度方法及装置。所述技术方案如下:
根据本发明实施例的第一方面,提供一种插件调度方法,包括:
获取包括所有插件信息的有向无环图信息,所述有向无环图信息包括所述插件的运行关系;
生成n位随机数,每一位随机数的取值为大于等于1且小于等于m的整数,其中,n为所有插件的个数,m为线程个数,根据所述随机数生成分配子串,所述分配子串包括执行所述插件的线程;
根据所述有向无环图信息生成调度子串,所述调度子串包括执行所述插件的顺序;
根据所述分配子串和所述调度子串生成插件调度方案,得到第一插件调度方案集合;
根据遗传算法将所述第一插件调度方案集合进行遗传处理,得到第二插件调度方案集合;
从所述第二插件调度方案集合中选择最优插件调度方案;
根据所述最优插件调度方案进行插件调度。
可选的,所述根据所述有向无环图信息生成调度子串,包括:
根据所述有向无环图信息计算所有插件的入度;
将入度为0的插件加入到第一集合中;
随机从所述第一集合中的第一插件开始执行;
根据所述运行关系,将所述第一插件后继的第二插件的入度减1;
将入度减为0的第二插件加入到所述第一集合中;
重复该过程,直到所有插件都被加入到所述第一集合中,得到的插件执行顺序即为所述调度子串。
可选的,所述从所述第二插件调度方案集合中选择最优插件调度方案,包括:
计算所述第二插件调度方案集合中每个插件调度方案的执行时间;
选择执行时间最短的插件调度方案作为所述最优插件调度方案。
可选的,所述方法还包括:
获取所述第一插件调度方案集合中插件调度方案的第一预设个数;
当所述第一插件调度方案集合中插件调度方案的当前个数等于所述第一预设个数时,停止根据所述分配子串和所述调度子串生成插件调度方案。
可选的,所述根据遗传算法将所述第一插件调度方案集合进行遗传处理之后,所述方法还包括:
判断是否达到所述遗传处理的终止条件;
当达到所述遗传处理的终止条件时,从所述第二插件调度方案集合中选择第二预设个数的插件调度方案;
根据蚁群算法对所述第二预设个数的插件调度方案进行处理,得到第三插件调度方案集合;
所述从所述第二插件调度方案集合中选择最优插件调度方案,包括:
从所述第三插件调度方案集合中选择所述最优插件调度方案。
根据本发明实施例的第二方面,提供一种插件调度装置,包括:
第一获取模块,用于获取包括所有插件信息的有向无环图信息,所述有向无环图信息包括所述插件的运行关系;
分配子串生成模块,用于生成n位随机数,每一位随机数的取值为大于等于1且小于等于m的整数,其中,n为所有插件的个数,m为线程个数,根据所述随机数生成分配子串,所述分配子串包括执行所述插件的线程;
调度子串生成模块,用于根据所述有向无环图信息生成调度子串,所述调度子串包括执行所述插件的顺序;
调度集合生成模块,用于根据所述分配子串和所述调度子串生成插件调度方案,得到第一插件调度方案集合;
遗传处理模块,用于根据遗传算法将所述第一插件调度方案集合进行遗传处理,得到第二插件调度方案集合;
第一选择模块,用于从所述第二插件调度方案集合中选择最优插件调度方案;
调度模块,用于根据所述最优插件调度方案进行插件调度。
可选的,所述调度子串生成模块包括:
计算子模块,用于根据所述有向无环图信息计算所有插件的入度;
加入子模块,用于将入度为0的插件加入到第一集合中;
执行子模块,用于随机从所述第一集合中的第一插件开始执行;
处理子模块,用于根据所述运行关系,将所述第一插件后继的第二插件的入度减1;
所述加入子模块,用于将入度减为0的第二插件加入到所述第一集合中,用于重复该过程,直到所有插件都被加入到所述第一集合中,得到的插件执行顺序即为所述调度子串。
可选的,所述第一选择模块包括:
计算子模块,用于计算所述第二插件调度方案集合中每个插件调度方案的执行时间;
选择子模块,用于选择执行时间最短的插件调度方案作为所述最优插件调度方案。
可选的,所述装置还包括:
第二获取模块,用于获取所述第一插件调度方案集合中插件调度方案的第一预设个数;
所述调度集合生成模块,用于当所述第一插件调度方案集合中插件调度方案的当前个数等于所述第一预设个数时,停止根据所述分配子串和所述调度子串生成插件调度方案。
可选的,所述装置还包括:
判断模块,用于根据遗传算法将所述第一插件调度方案集合进行遗传处理之后,判断是否达到所述遗传处理的终止条件;
第二选择模块,用于当达到所述遗传处理的终止条件时,从所述第二插件调度方案集合中选择第二预设个数的插件调度方案;
蚁群处理模块,用于根据蚁群算法对所述第二预设个数的插件调度方案进行处理,得到第三插件调度方案集合;
所述第一选择模块,用于从所述第三插件调度方案集合中选择所述最优插件调度方案。
本发明的实施例提供的技术方案可以包括以下有益效果:根据插件信息的有向无环图生成初始的第一插件调度方案集合,对该插件调度集合进行遗传处理后,从得到的第二插件调度方案集合选择最有的插件调度方案进行插件调度。这样,降低插件调度所使用的时间,提高软件性能。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
图1是插件之间依赖关系的示意图。
图2是根据一示例性实施例示出的插件的有向无环图的示意图。
图3是根据一示例性实施例示出的一种插件调度方法的流程图。
图4是根据另一示例性实施例示出的一种插件调度方法的流程图。
图5是根据另一示例性实施例示出的一种插件调度方法的流程图。
图6是根据另一示例性实施例示出的一种插件调度方法的流程图。
图7是根据另一示例性实施例示出的一种插件调度方法的流程图。
图8是根据一示例性实施例示出的一种插件调度装置的框图。
图9是根据一示例性实施例示出的调度子串生成模块803的框图。
图10是根据一示例性实施例示出的调度子串生成模块806的框图。
图11是根据另一示例性实施例示出的一种插件调度装置的框图。
图12是根据另一示例性实施例示出的一种插件调度装置的框图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
对于一个插件调度实例,一组可以并行执行的任务可以用有向无环(DirectedAcyclic Graph,简称DAG)图表示,如图2所示,在DAG图中,图G=(T,E),其中T是结点的集合,每一个结点Ti是一个任务;E是边的集合,用(Ti,Tj)来表示一条边,并且称Ti是Tj的前趋,Tj是Ti的后继,只有在Ti执行之后,Tj才能执行。
图3是根据一示例性实施例示出的一种插件调度方法的流程图,如图3所示,插件调度方法包括以下步骤:
步骤S31,获取包括所有插件信息的有向无环图信息,有向无环图信息包括插件的运行关系。
步骤S32,生成n位随机数,每一位随机数的取值为大于等于1且小于等于m的整数,其中,n为所有插件的个数,m为线程个数,根据随机数生成分配子串,分配子串表示执行插件的线程。
步骤S33,根据有向无环图信息生成调度子串,调度子串包括执行插件的顺序。
步骤S34,根据分配子串和调度子串生成插件调度方案,得到第一插件调度方案集合,该插件调度方案包括每个插件在哪个线程上执行以及执行的顺序。
步骤S35,根据遗传算法将第一插件调度方案集合进行遗传处理,得到第二插件调度方案集合。
步骤S36,从第二插件调度方案集合中选择最优插件调度方案。
步骤S37,根据最优插件调度方案进行插件调度。
本发明实施例,根据插件信息的有向无环图生成初始的第一插件调度方案集合,对该插件调度集合进行遗传处理后,从得到的第二插件调度方案集合选择最有的插件调度方案进行插件调度。这样,降低插件调度所使用的时间,提高软件性能。
图4是根据另一示例性实施例示出的一种插件调度方法的流程图,如图4所示,步骤S33包括:
步骤S41,根据有向无环图信息计算所有插件的入度,其中,入度是指有向无环图中某个插件作为图中边的终点的次数之和。
步骤S42,将入度为0的插件加入到第一集合中。
步骤S43,随机从第一集合中的第一插件开始执行。
步骤S44,根据运行关系,将第一插件后继的第二插件的入度减1。
步骤S45,将入度减为0的第二插件加入到第一集合中;重复该过程,直到所有插件都被加入到第一集合中,得到的插件执行顺序即为调度子串。
例如,在图2中,假设有2个线程,种群规模为2,则下面的两个插件调度方案是用上述算法产生的可能的解。
X1=111222 214635,
X2=122121 142356。
X1对应的插件调度方案是:
P1:T2——>T1——>T3,
P2:T4——>T6——>T5。
X2对应的插件调度方案是:
P1:T1——>T4——>T6,
P2:T2——>T3——>T5。
按上述方法生成的第一插件调度方案集合中的每一条插件调度方案都符合图2的DAG图中的前趋后继关系。
图5是根据另一示例性实施例示出的一种插件调度方法的流程图,如图5所示,步骤S36包括:
步骤S51,计算第二插件调度方案集合中每个插件调度方案的执行时间。
步骤S52,选择执行时间最短的插件调度方案作为最优插件调度方案。
插件调度以总执行时间为优化的性能指标,考虑插件间的并发关系和顺序关系,对将n个插件分配到m个线程上的执行总时间进行优化。设有n个插件,m个线程,插件间的依赖关系可以用DAG图来表示,调度方案可以用矩阵Am×n来表示,如下所示:
插件调度模型的目标是:寻求一种插件集在对应线程集上执行的最优调度矩阵,使得执行完分配在其上的全部插件所需要的时间最短。执行完分配在其上的全部插件所需要的时间为:
Timespan(A)=min(max(Etimei+Wtimei)),i∈[1,m]。
其中,Etimei表示分配在线程i上的所有插件的执行时间之和,Wtimei表示分配在线程i上的所有插件的等待时间之和。
图6是根据另一示例性实施例示出的一种插件调度方法的流程图,如图6所示,该方法还包括:
步骤S61,获取第一插件调度方案集合中插件调度方案的第一预设个数。
步骤S62,当第一插件调度方案集合中插件调度方案的当前个数等于第一预设个数时,停止根据分配子串和调度子串生成插件调度方案。
本实施例中,可以预先设定第一插件调度方案集合中插件调度方案的第一预设个数,即限定作为后续处理的初始集合中解的个数,避免初始调度方案个数过多引起后续计算量过大,造成插件调度速度的降低。
图7是根据另一示例性实施例示出的一种插件调度方法的流程图,如图7所示,步骤S35之后,该方法还包括:
步骤S71,判断是否达到遗传处理的终止条件;
步骤S72,当达到遗传处理的终止条件时,从第二插件调度方案集合中选择第二预设个数的插件调度方案;
步骤S73,根据蚁群算法对第二预设个数的插件调度方案进行处理,得到第三插件调度方案集合。
步骤S36包括:从第三插件调度方案集合中选择最优插件调度方案。
由于遗传算法求精效率不高,蚁群算法时间效率不高,将遗传算法和蚁群算法融合,可以得到时间和效率两者兼得的一种新的算法。在遗传算法运行过程中动态的确定这两种算法的融合时机,防止因为遗传算法过晚或过早结束而影响融合算法的性能。
遗传蚁群融合算法的前期执行遗传算法,后期执行蚁群算法,这两种算法的衔接非常重要。可以当遗传算法进行到连续三次的进化率都小于最小进化率时,可以认为遗传算法的收敛速度开始下降,将遗传算法停止时的插件调度方案结合中预设个数的插件调度方案,如适应值最优的前20%,作为最优解集,进入蚁群算法。
下述为本发明装置实施例,可以用于执行本发明方法实施例。
图8是根据一示例性实施例示出的一种插件调度装置的框图,该装置可以通过软件、硬件或者两者的结合实现成为电子设备的部分或者全部。如图8所示,该插件调度装置包括:
第一获取模块801,用于获取包括所有插件信息的有向无环图信息,有向无环图信息包括插件的运行关系;
分配子串生成模块802,用于生成n位随机数,每一位随机数的取值为大于等于1且小于等于m的整数,其中,n为所有插件的个数,m为线程个数,根据随机数生成分配子串,分配子串表示执行插件的线程.
调度子串生成模块803,用于根据有向无环图信息生成调度子串,调度子串包括执行插件的顺序。
调度集合生成模块804,用于根据分配子串和调度子串生成插件调度方案,得到第一插件调度方案集合。
遗传处理模块805,用于根据遗传算法将第一插件调度方案集合进行遗传处理,得到第二插件调度方案集合。
第一选择模块806,用于从第二插件调度方案集合中选择最优插件调度方案。
调度模块807,用于根据最优插件调度方案进行插件调度。
图9是根据一示例性实施例示出的调度子串生成模块803的框图,如图9所示,调度子串生成模块803包括:
计算子模块91,用于根据有向无环图信息计算所有插件的入度;
加入子模块92,用于将入度为0的插件加入到第一集合中;
执行子模块93,用于随机从第一集合中的第一插件开始执行;
处理子模块94,用于根据运行关系,将第一插件后继的第二插件的入度减1;
加入子模块92,用于将入度减为0的第二插件加入到第一集合中,用于重复该过程,直到所有插件都被加入到第一集合中,得到的插件执行顺序即为调度子串。
图10是根据一示例性实施例示出的调度子串生成模块806的框图,如图10所示,第一选择模块806包括:
计算子模块101,用于计算第二插件调度方案集合中每个插件调度方案的执行时间;
选择子模块102,用于选择执行时间最短的插件调度方案作为最优插件调度方案。
图11是根据另一示例性实施例示出的一种插件调度装置的框图,如图9所示,该装置还包括:
第二获取模块808,用于获取第一插件调度方案集合中插件调度方案的第一预设个数;
调度集合生成模块804,用于当第一插件调度方案集合中插件调度方案的当前个数等于第一预设个数时,停止根据分配子串和调度子串生成插件调度方案。
图12是根据另一示例性实施例示出的一种插件调度装置的框图,如图12所示,该装置还包括:
判断模块809,用于根据遗传算法将第一插件调度方案集合进行遗传处理之后,判断是否达到遗传处理的终止条件;
第二选择模块810,用于当达到遗传处理的终止条件时,从第二插件调度方案集合中选择第二预设个数的插件调度方案;
蚁群处理模块812,用于根据蚁群算法对第二预设个数的插件调度方案进行处理,得到第三插件调度方案集合;
第一选择模块806,用于从第三插件调度方案集合中选择最优插件调度方案。
本领域技术人员在考虑说明书及实践这里公开的公开后,将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本发明的真正范围和精神由下面的权利要求指出。
应当理解的是,本发明并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。
Claims (8)
1.一种插件调度方法,其特征在于,包括:
获取包括所有插件信息的有向无环图信息,所述有向无环图信息包括所述插件的运行关系;
生成n位随机数,每一位随机数的取值为大于等于1且小于等于m的整数,其中,n为所有插件的个数,m为线程个数,根据所述随机数生成分配子串,所述分配子串包括执行所述插件的线程;
根据所述有向无环图信息生成调度子串,所述调度子串包括执行所述插件的顺序;
根据所述分配子串和所述调度子串生成插件调度方案,得到第一插件调度方案集合;
根据遗传算法将所述第一插件调度方案集合作为初始集合进行遗传处理,得到第二插件调度方案集合;
从所述第二插件调度方案集合中选择最优插件调度方案;
根据所述最优插件调度方案进行插件调度;
所述根据所述有向无环图信息生成调度子串,包括:
根据所述有向无环图信息计算所有插件的入度;
将入度为0的插件加入到第一集合中;
随机从所述第一集合中的第一插件开始执行;
根据所述运行关系,将所述第一插件后继的第二插件的入度减1;
将入度减为0的第二插件加入到所述第一集合中;
重复该过程,直到所有插件都被加入到所述第一集合中,得到的插件执行顺序即为所述调度子串。
2.根据权利要求1所述的方法,其特征在于,所述从所述第二插件调度方案集合中选择最优插件调度方案,包括:
计算所述第二插件调度方案集合中每个插件调度方案的执行时间;
选择执行时间最短的插件调度方案作为所述最优插件调度方案。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取所述第一插件调度方案集合中插件调度方案的第一预设个数;
当所述第一插件调度方案集合中插件调度方案的当前个数等于所述第一预设个数时,停止根据所述分配子串和所述调度子串生成插件调度方案。
4.根据权利要求1所述的方法,其特征在于,所述根据遗传算法将所述第一插件调度方案集合进行遗传处理之后,所述方法还包括:
判断是否达到所述遗传处理的终止条件;
当达到所述遗传处理的终止条件时,从所述第二插件调度方案集合中选择第二预设个数的插件调度方案;
根据蚁群算法对所述第二预设个数的插件调度方案进行处理,得到第三插件调度方案集合;
所述从所述第二插件调度方案集合中选择最优插件调度方案,包括:
从所述第三插件调度方案集合中选择所述最优插件调度方案。
5.一种插件调度装置,其特征在于,包括:
第一获取模块,用于获取包括所有插件信息的有向无环图信息,所述有向无环图信息包括所述插件的运行关系;
分配子串生成模块,用于生成n位随机数,每一位随机数的取值为大于等于1且小于等于m的整数,其中,n为所有插件的个数,m为线程个数,根据所述随机数生成分配子串,所述分配子串表示执行所述插件的线程;
调度子串生成模块,用于根据所述有向无环图信息生成调度子串,所述调度子串包括执行所述插件的顺序;
调度集合生成模块,用于根据所述分配子串和所述调度子串生成插件调度方案,得到第一插件调度方案集合;
遗传处理模块,用于根据遗传算法将所述第一插件调度方案集合进行遗传处理,得到第二插件调度方案集合;
第一选择模块,用于从所述第二插件调度方案集合中选择最优插件调度方案;
调度模块,用于根据所述最优插件调度方案进行插件调度;
所述调度子串生成模块包括:
计算子模块,用于根据所述有向无环图信息计算所有插件的入度;
加入子模块,用于将入度为0的插件加入到第一集合中;
执行子模块,用于随机从所述第一集合中的第一插件开始执行;
处理子模块,用于根据所述运行关系,将所述第一插件后继的第二插件的入度减1;
所述加入子模块,用于将入度减为0的第二插件加入到所述第一集合中,用于重复该过程,直到所有插件都被加入到所述第一集合中,得到的插件执行顺序即为所述调度子串。
6.根据权利要求5所述的装置,其特征在于,所述第一选择模块包括:
计算子模块,用于计算所述第二插件调度方案集合中每个插件调度方案的执行时间;
选择子模块,用于选择执行时间最短的插件调度方案作为所述最优插件调度方案。
7.根据权利要求5所述的装置,其特征在于,所述装置还包括:
第二获取模块,用于获取所述第一插件调度方案集合中插件调度方案的第一预设个数;
所述调度集合生成模块,用于当所述第一插件调度方案集合中插件调度方案的当前个数等于所述第一预设个数时,停止根据所述分配子串和所述调度子串生成插件调度方案。
8.根据权利要求5所述的装置,其特征在于,所述装置还包括:
判断模块,用于根据遗传算法将所述第一插件调度方案集合进行遗传处理之后,判断是否达到所述遗传处理的终止条件;
第二选择模块,用于当达到所述遗传处理的终止条件时,从所述第二插件调度方案集合中选择第二预设个数的插件调度方案;
蚁群处理模块,用于根据蚁群算法对所述第二预设个数的插件调度方案进行处理,得到第三插件调度方案集合;
所述第一选择模块,用于从所述第三插件调度方案集合中选择所述最优插件调度方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810607856.3A CN108920206B (zh) | 2018-06-13 | 2018-06-13 | 一种插件调度方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810607856.3A CN108920206B (zh) | 2018-06-13 | 2018-06-13 | 一种插件调度方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108920206A CN108920206A (zh) | 2018-11-30 |
CN108920206B true CN108920206B (zh) | 2022-01-18 |
Family
ID=64419268
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810607856.3A Active CN108920206B (zh) | 2018-06-13 | 2018-06-13 | 一种插件调度方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108920206B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101916404A (zh) * | 2010-08-06 | 2010-12-15 | 沈阳工业大学 | 一种装备制造过程多厂协同调度优化方法 |
CN102122251A (zh) * | 2011-03-21 | 2011-07-13 | 北京航空航天大学 | 一种基于遗传算法的多航天器并行测试任务调度方法 |
CN103226759A (zh) * | 2013-04-25 | 2013-07-31 | 中山大学 | 基于遗传算法的动态云工作流调度方法 |
CN104199820A (zh) * | 2014-07-03 | 2014-12-10 | 浙江大学 | 云平台MapReduce工作流调度优化方法 |
CN105094970A (zh) * | 2015-07-13 | 2015-11-25 | 西安电子科技大学 | 一种求解分布式系统下可分任务多趟调度模型的方法 |
CN105550033A (zh) * | 2015-11-17 | 2016-05-04 | 北京交通大学 | 私有云环境下基于遗传禁忌混合算法的资源调度策略方法 |
CN107967171A (zh) * | 2017-12-01 | 2018-04-27 | 电子科技大学 | 一种云环境下基于遗传算法的多工作流调度方法 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8924512B2 (en) * | 2007-06-15 | 2014-12-30 | Microsoft Corporation | Extensible remote display infrastructure with dynamic virtual channels |
CN101963921A (zh) * | 2010-09-21 | 2011-02-02 | 卓望数码技术(深圳)有限公司 | 一种作业调度方法和系统 |
CN102141935B (zh) * | 2011-03-22 | 2013-07-03 | 曙光信息产业(北京)有限公司 | 一种基于双目标优化遗传算法的作业调度方法 |
CN102385364B (zh) * | 2011-09-16 | 2013-04-03 | 北京理工大学 | 一种柔性路径下跨作业单元调度方法 |
CN102650957A (zh) * | 2012-04-09 | 2012-08-29 | 武汉理工大学 | 一种同构集群系统中基于动态电压调节技术的自适应节能调度方法 |
US9075691B2 (en) * | 2013-03-14 | 2015-07-07 | Bitvore Corp. | Dynamically loaded plugin architecture |
CN103246938A (zh) * | 2013-04-25 | 2013-08-14 | 中山大学 | 基于自适应蚁群优化的弹性车间调度技术 |
CN103414624A (zh) * | 2013-07-29 | 2013-11-27 | 北京汇能精电科技有限公司 | 一种can总线主从应答模式协议的网络调度算法 |
CN103927244B (zh) * | 2014-04-15 | 2017-06-06 | 南威软件股份有限公司 | 一种基于动态代理实现的插件调度过程监控的方法 |
CN104408589B (zh) * | 2014-10-24 | 2018-03-06 | 陕西科技大学 | 基于混合粒子群算法的agv优化调度方法 |
CN105677752A (zh) * | 2015-12-30 | 2016-06-15 | 深圳先进技术研究院 | 一种流式计算和批处理计算相结合处理系统及方法 |
CN105824695A (zh) * | 2016-03-18 | 2016-08-03 | 浪潮软件集团有限公司 | 一种定时任务调度插件Quartz使用 |
-
2018
- 2018-06-13 CN CN201810607856.3A patent/CN108920206B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101916404A (zh) * | 2010-08-06 | 2010-12-15 | 沈阳工业大学 | 一种装备制造过程多厂协同调度优化方法 |
CN102122251A (zh) * | 2011-03-21 | 2011-07-13 | 北京航空航天大学 | 一种基于遗传算法的多航天器并行测试任务调度方法 |
CN103226759A (zh) * | 2013-04-25 | 2013-07-31 | 中山大学 | 基于遗传算法的动态云工作流调度方法 |
CN104199820A (zh) * | 2014-07-03 | 2014-12-10 | 浙江大学 | 云平台MapReduce工作流调度优化方法 |
CN105094970A (zh) * | 2015-07-13 | 2015-11-25 | 西安电子科技大学 | 一种求解分布式系统下可分任务多趟调度模型的方法 |
CN105550033A (zh) * | 2015-11-17 | 2016-05-04 | 北京交通大学 | 私有云环境下基于遗传禁忌混合算法的资源调度策略方法 |
CN107967171A (zh) * | 2017-12-01 | 2018-04-27 | 电子科技大学 | 一种云环境下基于遗传算法的多工作流调度方法 |
Non-Patent Citations (1)
Title |
---|
"云环境下基于动态融合遗传蚁群算法的DAG任务调度研究";徐彬;《中国优秀硕士学位论文全文数据库 信息科技辑》;20150115(第1期);I140-52 * |
Also Published As
Publication number | Publication date |
---|---|
CN108920206A (zh) | 2018-11-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Shi et al. | Scheduling workflow applications on processors with different capabilities | |
Shen et al. | Mathematical modeling and multi-objective evolutionary algorithms applied to dynamic flexible job shop scheduling problems | |
Yu et al. | Scheduling scientific workflow applications with deadline and budget constraints using genetic algorithms | |
Zhu et al. | Scheduling stochastic multi-stage jobs to elastic hybrid cloud resources | |
US20050240546A1 (en) | Forward-chaining inferencing | |
CN114610474B (zh) | 一种异构超算环境下多策略的作业调度方法及系统 | |
Abdallah et al. | Modeling task allocation using a decision theoretic model | |
Krishnadoss et al. | OLOA: Based Task Scheduling in Heterogeneous Clouds. | |
CN112416585A (zh) | 面向深度学习的gpu资源管理与智能化调度方法 | |
CN113315672A (zh) | 流量分配方法及装置、电子设备及计算机可读存储介质 | |
Zeng et al. | Solving bi-objective flow shop problem with hybrid path relinking algorithm | |
CN112306642B (zh) | 一种基于稳定匹配博弈理论的工作流调度方法 | |
CN108920206B (zh) | 一种插件调度方法及装置 | |
Bai et al. | LPOD: A local path based optimized scheduling algorithm for deadline-constrained big data workflows in the cloud | |
CN113132471B (zh) | 云服务预算优化调度方法、装置、设备和存储介质 | |
CN115509724A (zh) | 基于任务分层与回填最早完成时间的任务调度方法及系统 | |
CN115756803A (zh) | 面向异构计算系统的任务调度方法、装置、设备及介质 | |
Wu et al. | Latency modeling and minimization for large-scale scientific workflows in distributed network environments | |
Zheng et al. | A randomized heuristic for stochastic workflow scheduling on heterogeneous systems | |
CN112506644B (zh) | 基于云边端混合计算模式系统的任务调度方法和系统 | |
EP3550421A1 (en) | Storage controller and io request processing method | |
Singh | Task scheduling in parallel systems using genetic algorithm | |
Yuan et al. | Cost-effective heuristics for workflow scheduling in grid computing economy | |
CN113742052B (zh) | 批量任务处理方法和装置 | |
Sun et al. | T2FA: A heuristic algorithm for deadline-constrained workflow scheduling in cloud with multicore resource |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |