0%

主要贡献

  • 首次将$\epsilon$约束法和分解的方法合并起来,
  • 在优化的过程中,使用了主函数变化的策略,
  • 由于不同问题的计算复杂度不同,则需要对计算资源进行动态分配
  • 并且使用了解和子问题的匹配,子问题和解的匹配等方法来平衡解的多样性和收敛性之间的关系
Read more »

Main idea

  • Objective: optimize both makespan and cost

  • Main Contributions:

    • 突出显示直接应用于云的现有调度算法的挑战,利用真实的云特性制定云工作流调度问题。

      使用基于实例的IaaS风格方案制定定价选项,但不指定特定的定价规则

    • present the EMO(Evolutionary Multi-Objective) algorithm for the modeled workflow scheduling problem.

Read more »

Characteristic

  • 支持容错机制的研究
  • 可以计算系统的总花费
  • 支持目前广泛接受的工作流的基本特征及其调度算法
  • 不仅支持调度算法的评估,而且考虑了不同任务调度/执行的费用和失败情况
  • 聚类的策略是静态的,并且没有考虑动态资源的特点
  • 不考虑来自不同网格中间件服务的中间件开销
Read more »