导读:本文包含了任务并行论文开题报告文献综述及选题提纲参考文献，主要关键词:云制造,并行任务,虚拟资源,优化调度
任务并行论文文献综述
冯晨微,王艳[1]（2019）在《云制造系统并行任务优化调度》一文中研究指出为解决同类型任务在云制造系统中并行执行时资源需求不均衡以及资源的利用率不高的问题。建立了以成本最低化、时间最小化、可靠度最高化、质量最优化为目标的任务资源调度模型。采用基于参考点的非支配排序遗传算法(NSGA-Ⅲ),结合实数矩阵编码方式以及基于实数编码的交叉变异策略代替普通的进化策略对模型进行求解,使用基于层次分析法和熵值法的组合优化决策方法对结果进行评价。分别讨论了资源充足和资源受限时调度系统的性能,通过实例证明该方法是可行的。(本文来源于《系统仿真学报》期刊2019年12期）
董帅,李艳,王琭珉[2]（2019）在《基于任务并行的仿真平台研究与设计》一文中研究指出仿真平台是开展仿真实验的基础。本文以实现大规模并行仿真为目标,阐述了并行仿真平台的系统应用现状和发展趋势,归纳分析了并行仿真平台的结构,并基于该架构设计并实现了一种并行仿真平台框架、模型管理体系以及并行仿真支持系统。该平台可用于大规模并行仿真模型设计与调试、仿真试验和仿真数据采集方面发挥作用。(本文来源于《第二十届中国系统仿真技术及其应用学术年会论文集（20th CCSSTA 2019）》期刊2019-08-20）
孟现粉,花嵘,傅游[3]（2019）在《网格应用的DAG任务调度系统的并行构图方法》一文中研究指出为使AceMesh任务调度系统在多核系统上获得更好的性能,研究并行构图方法,在一定程度上提高构图的效率。为实现构图的并行化,设计线程分离、数据区域二级划分及两种任务注册的方案;为保证构建的DAG图的正确性,采用地址分治和任务分治的策略;为确保能执行所有的任务,对构图任务和计算任务分别使用安全的终止检查方法。对网格应用采用大规模数据集测试,与串行构图的比较结果表明了并行构图方法有最高158%的性能提升。(本文来源于《计算机工程与设计》期刊2019年08期）
徐哲,蒋进,郑祥明[4]（2019）在《基于多种群遗传算法的无人机集群并行任务分配》一文中研究指出随着无人机技术的发展,无人机的应用环境越来越复杂,促进了无人机从单平台向多平台的集群化发展~([1])。无人机集群相对于单个无人机,具有更好的鲁棒性、适应性,尤其适用于低成本的微型飞行器。其控制方式主要分为集中式控制和分布式控制,集中式控制过度依赖通信、计(本文来源于《江苏航空》期刊2019年03期）
李于锋,莫则尧,肖永浩,熊敏[5]（2019）在《并行任务图的优化调度算法》一文中研究指出科学与工程计算中的很多复杂应用问题需要使用科学工作流技术,超算领域中的科学工作流常以并行任务图建模,并行任务图的有效调度对应用的高效执行有重要意义。给出了资源限制条件下并行任务图的调度模型;针对Fork-Join类并行任务图给出了若干最优化调度结论;针对一般并行任务图提出了一种新的调度算法,该算法考虑了数据通信开销对资源分配和调度性能的影响,并对已有的CPA算法在特定情况下进行了改进。通过实验与常用的CPR和CPA算法做比较,验证了提出的新算法能够获得很好的调度效果。本文提出的调度算法和得到的最优调度结论对工作流应用系统的高性能调度功能开发具有借鉴意义。(本文来源于《计算机工程与科学》期刊2019年06期）
徐阳,张玉春欣,花嵘[6]（2019）在《Silicon-Crystal应用的神威OpenACC移植与数据流驱动任务图并行化》一文中研究指出利用神威OpenACC在"太湖之光"上成功移植了Silicon-Crystal应用,针对控制流驱动的OpenACC无法有效解决访存密集型应用带宽访存优化和跨时间迭代问题,通过数据流驱动的任务图并行化方法挖掘任务迭代间的并行性,利用任务间的错峰访存提高访存带宽。实验结果表明,神威OpenACC移植单核组获得2.26倍加速;时间步长为1时,任务图并行化移植后的该应用可获得2.52倍加速,性能较OpenACC提升11.5%;时间步长扩展至20时,任务图规模随之增加,任务的乱序调度使错峰访存的优势进一步扩大,整体应用达到3.2倍性能加速,性能较OpenACC提升42%。(本文来源于《山东科技大学学报(自然科学版)》期刊2019年03期）
汪丽娟[7]（2019）在《Flink下的K-Means优化并行与任务调度研究》一文中研究指出K-Means作为机器学习算法的典型代表,在大数据背景下的应用十分广泛,但其存在随机选取初始质心导致的局部最优解、大数据规模下迭代次数多、计算耗时长、准确率低等问题。在大数据背景下,基于大数据计算框架的机器学习算法优化与应用研究已成为研究热点问题,当前很多大数据计算框架都包含机器学习库,且随着实时搜索引擎、社交软件等应用的出现,数据实时处理日益成为学者们的研究热点,传统的先存储后计算的批量计算理念已经不再适用于实时流数据的处理,因此如何构造高吞吐、低延迟的大数据流式计算框架成为亟待解决的关键问题。基于上述存在的问题,本研究从基于Flink平台的K-Means算法的优化、并行化加速以及Flink平台的任务调度策略方面进行研究。具体研究内容可概括如下:(1)为解决大数据规模下K-Means存在选取质心导致的局部最优解、聚类速度慢的问题,提出一种Flink平台下的CK-Means聚类优化及并行策略。从算法优化层面,采用Canopy算法确定聚类数目k并选取初始质心;从并行化加速层面,基于Flink平台设计了一种面向CK-Means的并行加速策略,并分析不同并行度对计算耗时的影响。经试验,相较K-Means算法,CK-Means算法的准确率与迭代次数间的比值更高,算法性能更优;不同并行度下的CKMeans算法的聚类耗时呈现先下降后上升的趋势,其聚类耗时的最小值与数据集的大小相关。(2)为提高K-Means算法的聚类速度和准确率,提出了基于k-d树分区的K-Means并行化加速策略。从算法优化层面,选择数据集中相距最远的k个点优化初始质心;从任务并行化加速层面,提出k-d树分区算法对数据集进行划分并实现任务并行化;从执行环境并行化加速层面,设置不同进程数目与CPU核数验证F-KMeans的加速效果。(3)为了提高Flink计算框架的资源利用率,提出了基于Flink流式计算环境下资源感知任务调度策略。针对Flink平台下先来先服务任务调度算法忽略了任务资源需求与节点可用资源之间的关系,导致不同节点任务负载不均,从而影响系统吞吐量的问题,提出了基于Flink流式计算环境下资源感知任务调度策略。首先,以GlobalState模块监测的资源数据为依据,考虑任务资源需求与节点可用资源间的匹配关系,提出一种任务选择算法与节点选择算法选取待执行任务与最佳调度节点;其次,通过资源感知调度策略把待执行任务调度至最佳调度节点;最后,通过设计实验验证了算法的有效性。(本文来源于《新疆大学》期刊2019-05-01）
王学成,马金全,李建军[8]（2019）在《多Stream并行DAG任务映射策略》一文中研究指出伴随大数据量的应用任务在中央处理器(CPU)与图形处理器(GPU)组成的异构处理平台上的部署日益广泛,如何高效利用GPU硬件中的并行资源,成为亟待解决的问题。通过对单GPU任务映射策略进行研究,提出多Stream有向无环图(MS-DAG)任务映射策略。通过分析DAG图中的节点依赖关系,根据节点依赖关系的不同,划分合理的并行分支,利用多Stream流水线并行的方式,实现适合GPU硬件特点的任务映射策略。通过与HEFT在不同条件下的性能对比,可以看出:当HEFT算法中的各处理器性能不一致时,MS-DAG任务映射策略的任务映射效率相比HEFT算法有约10%的提升;当HEFT算法中的各处理器性能一致时,MS-DAG任务映射策略的任务映射效率相比HEFT算法有30%的提升。(本文来源于《太赫兹科学与电子信息学报》期刊2019年02期）
段菊[9]（2019）在《云环境下基于通信开销的并行任务调度策略》一文中研究指出云环境下,任务的执行效率受限于任务间的通信时间和计算时间,通信时间是由于数据跨数据中心传输产生的,计算时间与任务所在集群的计算能力有关,有效减少任务因等待数据的到来而产生的时间开销可提高任务的执行效率,进而降低用户租赁云资源的费用,提出基于任务复制的调度策略,以提高任务的并行性。经性能分析,该策略在提高任务的执行效率方面有一定的贡献。(本文来源于《电脑知识与技术》期刊2019年10期）
范继臣,马晓奇,赵宇东,孙天雨,李永臣[10]（2019）在《智能电能表全性能试验多任务并行优化策略的研究》一文中研究指出本文针对智能电能表全性能试验过程复杂、试验进程长的问题,基于模糊项目调度数学模型研究并设计了一种智能电能表全性能试验多任务并行优化策略。通过该策略使全性能试验设备人员资源最优化配置,实现了整批检验任务效率的最大化。(本文来源于《数字通信世界》期刊2019年04期）
任务并行论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
仿真平台是开展仿真实验的基础。本文以实现大规模并行仿真为目标,阐述了并行仿真平台的系统应用现状和发展趋势,归纳分析了并行仿真平台的结构,并基于该架构设计并实现了一种并行仿真平台框架、模型管理体系以及并行仿真支持系统。该平台可用于大规模并行仿真模型设计与调试、仿真试验和仿真数据采集方面发挥作用。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
任务并行论文参考文献
[1].冯晨微,王艳.云制造系统并行任务优化调度[J].系统仿真学报.2019
[2].董帅,李艳,王琭珉.基于任务并行的仿真平台研究与设计[C].第二十届中国系统仿真技术及其应用学术年会论文集（20thCCSSTA2019）.2019
[3].孟现粉,花嵘,傅游.网格应用的DAG任务调度系统的并行构图方法[J].计算机工程与设计.2019
[4].徐哲,蒋进,郑祥明.基于多种群遗传算法的无人机集群并行任务分配[J].江苏航空.2019
[5].李于锋,莫则尧,肖永浩,熊敏.并行任务图的优化调度算法[J].计算机工程与科学.2019
[6].徐阳,张玉春欣,花嵘.Silicon-Crystal应用的神威OpenACC移植与数据流驱动任务图并行化[J].山东科技大学学报(自然科学版).2019
[7].汪丽娟.Flink下的K-Means优化并行与任务调度研究[D].新疆大学.2019
[8].王学成,马金全,李建军.多Stream并行DAG任务映射策略[J].太赫兹科学与电子信息学报.2019
[9].段菊.云环境下基于通信开销的并行任务调度策略[J].电脑知识与技术.2019
[10].范继臣,马晓奇,赵宇东,孙天雨,李永臣.智能电能表全性能试验多任务并行优化策略的研究[J].数字通信世界.2019