网格计算中基于QoS的关联任务调度算法优化与实验验证

本文主要探讨了网格环境下基于服务质量（Quality of Service, QoS）需求的关联任务调度算法。论文首先对QoS调度问题进行了详细的描述，强调了在网格计算环境中，高效和满足用户期望的服务质量对于任务执行的重要性。为了构建一个合理的QoS需求模型，研究者考虑了任务之间的依赖性，特别是关注了时间花费、资源价格和可靠性这三个关键的QoS参数。 时间花费是指完成任务所需的实际工作时间，它是衡量任务效率的重要指标；资源价格反映了任务执行过程中使用的计算资源的成本，对于成本敏感的用户和资源有限的网格环境来说，这是不可忽视的因素；而可靠性则代表了任务执行的稳定性和错误发生的概率，这对许多高可用性系统至关重要。 接着，研究者提出了一种新的QoS映射机制，将任务特性与QoS参数关联起来，以便于动态地调整任务调度策略。这种机制通过分析任务的特性，如优先级、复杂度等，将这些因素转化为对QoS参数的需求，从而实现个性化和优化的调度。 针对网格环境特有的分布式、动态和异构特性，论文提出了QBDTS_UO（Quantified-Based Dependency Task Scheduling for Utility Optimization）算法。该算法以优化用户效用为目标，旨在在满足用户QoS需求的同时，提高整体资源利用率。通过仿真实验，研究结果显示QBDTS_UO算法能够在保证服务质量的前提下，有效地降低时间花费，显著提升网格环境下的任务调度效率。 此外，该研究还得到了国家自然科学基金项目的资助（60173026），展示了其在学术界的重要性和实际应用价值。作者团队包括姜黎立（研究方向为网格计算）、蒋昌俊（教授，主要研究Petri网理论及应用等）和袁禄来（博士研究生，专长于网格计算和Web服务等领域）三位专家，他们的合作展现了跨学科研究的力量。 这篇论文提供了网格环境下QoS需求驱动的关联任务调度方法，为网格计算系统的高效运行和资源优化使用提供了理论支持和技术指导。其研究成果不仅对网格计算领域的任务调度实践具有重要意义，也为相关理论研究和发展奠定了基础。