✅作者简介：热爱数据处理、数学建模、仿真设计、论文复现、算法创新的Matlab仿真开发者。
🍎更多Matlab代码及仿真咨询内容点击 🔗：Matlab科研工作室
🍊个人信条：格物致知，期刊达人。
🔥 内容介绍
本文提出了一种联邦的、异步的、迭代的方案，允许一组互连节点在有限步骤内达成在预先指定范围内的一致性（共识）。虽然该方案可以应用于各种应用场景，但我们将其置于数据中心任务调度的背景下进行讨论。在本工作的背景下，该算法保证在有限的步骤内近似收敛到最优调度方案（在可用资源的条件下）；并且保证所有节点同时终止。此外，作为一种异步方案，该方案能够在仍然收敛到目标的情况下，考虑到由落后节点或通信延迟带来的不确定性。此外，通过广泛的模拟实验评估，我们证明了该方法具有最先进的性能。
评估可以分为两个主要部分：
算法方案的验证，
量化其在各种配置下的性能。
算法评估
为了详细阐述算法评估，我们需要定义我们的配置；我们将参数元组定义为每次运行时变化的不同元素的数量。在本例中，我们改变网络大小（其节点N）及其预期延迟范围（延迟τ）。
容量一致性
这是一个基本的方案，它是同步的，并且不能容忍节点通信之间的任何延迟；从下面的图表中我们可以看到，在理想情况下，给定网络大小，它可以在几次迭代后收敛。
然而，由于延迟和同步在现实世界网络中是普遍存在的，因此这对于实际应用来说似乎不切实际。为了克服其缺点，我们引入了另一个概念——容量比一致性。
具有有限终止性的容量比一致性
数据中心的资源分配会导致大规模问题和网络，这自然需要异步解决方案。在已知网络直径的情况下，我们提出了一种异步算法，保证在τD的倍数内完成，其中τ是最大网络延迟，D是其直径。我们的方案基于比率一致性协议，并利用min-max一致性迭代，允许节点确定其比率彼此在ε范围内的时步，其中ε是一个小常数。
我们评估了我们提出的方案，其网络大小变化范围为：N = [20, 50, 100, 200, 300, 600]，网络延迟变化范围为：τ = [1, 5, 10, 15, 20, 30]。我们对每个先前定义的参数元组运行算法10次试验，并汇总结果。
⛳️ 运行结果
🔗 参考文献
Author = {Andreas Grammenos and Themistoklis Charalambous and Evangelia Kalyvianaki},
Title = {CPU Scheduling in Data Centers Using Asynchronous Finite-Time Distributed Coordination Mechanisms},
Year = {2021},
Eprint = {arXiv:2101.06139},
🎈 部分理论引用网络文献，若有侵权联系博主删除
博客擅长领域：
🌈 各类智能优化算法改进及应用
生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱调度、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划（2E-VRP）、充电车辆路径规划（EVRP）、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题、港口调度、港口岸桥调度、停机位分配、机场航班调度、泄漏源定位
🌈 机器学习和深度学习时序、回归、分类、聚类和降维
2.1 bp时序、回归预测和分类
2.2 ENS声神经网络时序、回归预测和分类
2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类
2.4 CNN|TCN|GCN卷积神经网络系列时序、回归预测和分类
2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类
2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类
2.7 ELMAN递归神经网络时序、回归\预测和分类
2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类
2.9 RBF径向基神经网络时序、回归预测和分类
2.10 DBN深度置信网络时序、回归预测和分类
2.11 FNN模糊神经网络时序、回归预测
2.12 RF随机森林时序、回归预测和分类
2.13 BLS宽度学习时序、回归预测和分类
2.14 PNN脉冲神经网络分类
2.15 模糊小波神经网络预测和分类
2.16 时序、回归预测和分类
2.17 时序、回归预测预测和分类
2.18 XGBOOST集成学习时序、回归预测预测和分类
2.19 Transform各类组合时序、回归预测预测和分类
方向涵盖风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、用电量预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断
🌈图像处理方面
图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知
🌈 路径规划方面
旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、 充电车辆路径规划（EVRP）、 双层车辆路径规划（2E-VRP）、 油电混合车辆路径规划、 船舶航迹规划、 全路径规划规划、 仓储巡逻
🌈 无人机应用方面
无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配、无人机安全通信轨迹在线优化、车辆协同无人机路径规划
🌈 通信方面
传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化、水声通信、通信上传下载分配
🌈 信号处理方面
信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化、心电信号、DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪、数字信号调制、误码率、信号估计、DTMF、信号检测
🌈电力系统方面
微电网优化、无功优化、配电网重构、储能配置、有序充电、MPPT优化、家庭用电
🌈 元胞自动机方面
交通流 人群疏散 病毒扩散 晶体生长 金属腐蚀
🌈 雷达方面
卡尔曼滤波跟踪、航迹关联、航迹融合、SOC估计、阵列优化、NLOS识别
🌈 车间调度
零等待流水车间调度问题NWFSP 、 置换流水车间调度问题PFSP、 混合流水车间调度问题HFSP 、零空闲流水车间调度问题NIFSP、分布式置换流水车间调度问题 DPFSP、阻塞流水车间调度问题BFSP
👇
