位置:成果数据库 > 期刊 > 期刊详情页
增量型上下文信息服务的质量优化实时调度
  • ISSN号:1008-973X
  • 期刊名称:《浙江大学学报:工学版》
  • 时间:0
  • 分类:TP393[自动化与计算机技术—计算机应用技术;自动化与计算机技术—计算机科学与技术]
  • 作者机构:[1]浙江大学计算机科学与技术学院,浙江杭州310027, [2]华东师范大学计算机科学技术系,上海200241
  • 相关基金:国家自然科学基金资助项目(60773180,60903169); 上海市信息安全综合管理技术研究重点实验室开放课题资助项目(AGK2008004)
中文摘要:

为了优化增量型上下文服务的用户体验,同时兼顾服务资源约束和上下文时效性需求,提出将增量型上下文服务作业分为必须完成的基本段和提供增量的延伸段的两阶段任务模型,及与之相应的两级调度模型.通过分析基本段的可调度性和延伸段价值(量化的用户体验)产出随时间变化的趋势,分别设计针对基本段和延伸段的多种调度算法,在保证基本段按时完成的同时,优化延伸段提供的总价值.通过模拟实验验证了3种基本段调度算法均同时满足服务资源约束和上下文时效性.比较不同价值估算方法对延伸段调度算法性能的影响,发现相对简单的价值差估算法性能接近拟合曲线法,比后者更实用.

英文摘要:

A two phase task model was proposed in order to achieve optimal user experience for an incremental context service under resource constraints and with context timeliness requirements.The model divides each job of an incremental service into a primary part that provide the initial service and a optional part that provide the improvements.A corresponding two level scheduling theme was designed to utilize the model.Several scheduling algorithms were designed to execute the primary parts in a timely manner and the optional parts in a value maximizing manner by analyzing the schedulability of the primary parts and the value generation pattern of the optional parts.Simulation results show that all the three primary part scheduling algorithms can meet context timeliness requirements under resource constraints.The performances of the optional part scheduling algorithm were compared when using different value prediction methods.Results show that the simpler delta value method can achieve performance close to that of the fit curve method,and is more suitable for practical use.

同期刊论文项目
期刊论文 14 会议论文 6
同项目期刊论文
期刊信息
  • 《浙江大学学报:工学版》
  • 北大核心期刊(2011版)
  • 主管单位:教育部
  • 主办单位:浙江大学
  • 主编:岑可法
  • 地址:杭州市浙大路38号
  • 邮编:310027
  • 邮箱:xbgkb@zju.edu.cn
  • 电话:0571-87952273
  • 国际标准刊号:ISSN:1008-973X
  • 国内统一刊号:ISSN:33-1245/T
  • 邮发代号:32-40
  • 获奖情况:
  • 2000年获浙江省科技期刊质量评比二等奖,中国期刊方阵“双效”期刊
  • 国内外数据库收录:
  • 俄罗斯文摘杂志,美国化学文摘(网络版),波兰哥白尼索引,德国数学文摘,荷兰文摘与引文数据库,美国工程索引,美国剑桥科学文摘,英国科学文摘数据库,日本日本科学技术振兴机构数据库,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版)
  • 被引量:21198