云计算环境下的大型智能交通调度方法研究

研究云计算环境下的大型智能交通调度问题。云计算环境下的大型智能交通网络在进行车辆调度的过程中,由于运算量过于庞大,造成交通调度效率降低,运输成本增加。利用传统的遗传算法进行交通调度的过程中,无法避免由于早熟和停滞的现象造成的影响,难以搜索到最优交通路线,从而降低了交通调度的效率。为此,提出一种基于神经网络算法的大型智能交通调度方法,根据约束条件建立神经网络模型,确定各神经层中神经元的输入与输出关系式,从而得到基于神经网络算法的最优交通调度方案。实验结果表明,利用改进算法进行云计算环境下的大型智能交通调度,缩短了交通调度完成时间,提高了交通调度效率,效果令人满意。     

基于分区思维分类下的单片机节能调度模型仿真

为了降低单片机系统调度过程的总能耗,提出一种分区思维分类下融合旅行商算法以及遗传算法的节能调度方法。基于分区思维分类方法,将单片机进程调度总能耗,划分成进程切换能耗、进程过渡调整能耗以及进程稳定调度能耗,将单片机进程节能调度问题,转化成单片机多进程调度的能耗优化问题,将单进程调度平稳模态作为节点、进程调度过渡模态作为支路,构建单片机进程调度总能耗的有向图模型,将单片机进程能耗优化过程看成旅行商问题,通过遗传算法的多目标逐层改进以及旅行商算法路径寻优原理,查询不同单片机进程调度下的最佳调度参数和多进程的最佳调度顺序,降低单片机进程调度的总能耗。实验结果说明,所提模型可提高单片机进程调度效率,降低调度能耗。     

基于遗传算法的车辆路径规划问题研究

本文研究了基于遗传算法（GA）的车辆路径规划问题（VRP）,对传统遗传算法做了适当的改进,提出了邻域搜索的GA算法,采用独特的初始种群构成方法并通过站队替换法维持种群的规模。实验结果表明,该算法与拟退火及禁忌搜索算法相比具有优势。     

复杂目标进化指导的高效网络能耗指导

在分布式计算系统下,网络中各个计算机终端节点的能耗管理是下一代网络分布式计算发展的瓶颈问题。传统的能耗管理调度方法采用单台计算机为模型进行分析,无法全面的权衡网络系统中各个节点的平均能耗,无法达到最优的能耗管理。提出一种基于多目标进化的分布式网络能耗管理办法,采用进化的思想,对系统对每个个体划分相应的等级,在此基础上,采用先种群等级分割,后个体等级排序的方法确定分割度,最后根据模型最优化的方向实现资源最优调度。通过2000个随机任务在10台分布式计算机上的运行情况进行实验,结果表明,采用本文的调度算法后,能耗大大降低,并且算法稳定,可靠,工程应用性很强。     

功率控制下的协作多播能效优化

针对无线协作多播网络中的能量效率问题,设计了一种基于功率控制的能效优化策略。通过采用功率控制因子来限制系统总的能耗,按照最小信噪比原则进行中继节点选择,来增加系统吞吐量。该策略合理分配了基站和中继节点的功率,扩大了系统的覆盖范围,提高了发射效率。仿真结果表明了,与传统传输机制相比,完全搜索算法和变功率中继选择算法在效率方面有了较大提高,而时间分配算法则找到了最优的转发时间比例。     

车辆路径优化及算法综述

阐述了VRP的主要求解算法,在参阅大量文献基础之上以禁忌搜索算法、遗传算法、蚂蚁算法三种主要的算法为划分总结了VRP的研究现状以及三种算法的改良与应用情况,最后对车辆调度问题进行了展望,提出了进一步发展动向。     

多服务器环境下网络调度模型仿真分析

多服务器环境下网络具有随机性和异构性,导致传统方法由于算法收敛效率低、易出现局部最优等弊端,大大降低网络调度的效率,无法有效完成网络调度,提出一种基于重复博弈算法的多服务器环境下网络调度方法,塑造多服务器环境下网络调度模型,依据网络调度模型以及博弈论原理,通过最优反应函数对多服务器环境下网络进行调度,将其转换成目标规划问题,采用混沌粒子群优化算法对目标规划问题进行求解,从而有效完成多服务器环境下的网络调度。实验结果说明,所提的网络调度方案可提高网络调度的速度以及效率,能够有效处理多服务器环境下网络任务调度过程中出现的问题。     

大数据环境下资源负荷短期预测时间跨度估计

大数据环境下资源负荷短期预测时间跨度计算是提高大数据资源调度和数据集成的基础。通过对大数据环境下资源负荷短期预测时间跨度的准确估计,提高资源负荷的预测性能。提出一种基于非线性差分相点融合估计的资源负荷短期预测时间跨度估计算法。构建大数据环境下资源负荷模型,基于非线性差分相点融合估计的资源负荷短期预测时间跨度估计,进行非线性差分相点融合,进行全网拓扑信息激励传播均衡设计,通过频繁的切换来进行网络选区,将时间划分为连续区间,重新分配大数据环境下的时间跨度,最后得到基于线性差智能群辨识的资源短期预测时间跨度估计算法改进。仿真结果表明,该算法具有较好的时间跨度估计性能,提高了大数据环境下的资源负荷预测精度,具有较小的任务调度路径延时和能耗损失,为提高云平台的资源利用效率提供基础,展示了较好的应用价值。     

蜂群引导粗糙集前馈补偿动态博弈的交通预测

交通网络节点和实体不断增长,对交通智能预测和控制提出更高的要求。传统方法采用智能神经网络PID控制方法进行交通控制,在交通并行负载无规则增长下,系统输出不能有效跟踪参考轨线,导致负载调度和控制效果不好。结合智能蜂群仿生算法和粗糙集理论,提出一种基于蜂群引导粗糙集前馈补偿动态博弈论的交通智能预测控制算法,建立一种基于粗糙集理论的前馈补偿动态博弈数学模型,控制参数在动态博弈中实现自适应寻优,迭代修正预测值的不确定性,预测模型收敛到最优解,克服实体无规则增长导致预测控制品质不好的问题。仿真实验表明,采用该控制方法对交通网络进行预测控制,能适用于大规模并行交通网络调度与预测控制,提高控制的鲁棒性。     

考虑大差异约束条件下的车辆线性规划优化调度模型

提出一种考虑大差异约束条件下的车辆线性规划优化调度模型。针对车辆调度成本紧密相关的运输量以及车辆利用率两个大差异约束条件,塑造调度总费用最低的车辆调度模型,按照车辆调度问题的实时性以及复杂性的要求,分析了确保车辆费用最小化下的车辆调度约束条件,基于该约束条件,根据车辆调度的线性规划原理,构建车辆调度的线性规划模型,采用匈牙利法求解最优车辆调度解。实验结果说明,所提调度方法进行车辆调度的各项指标都优于传统方法,并且具有较低的调度费用和较高的收敛效率,可对车辆进行快速、平稳的调度。     

基于自适应遗传算法的柔性作业车间调度

针对柔性作业车间调度问题,提出一种自适应遗传算法.该遗传算法所采用的编码方法,使得产生的染色体和进行道传操作后得到的染色体对应的都是可行的调度;使用的自适应交叉和变异概率,使得最优个体能复制到下一代中,提高了搜索效率.仿真结果表明用该遗传算法解决柔性作业车间调度是有效的.     

恶劣天气下的公路交通有效调度模型

恶劣天气的公路交通极易瘫痪,设计公路交通优化调度模型,提高公路交通网络的稳定性和抗毁坏性。传统的公路交通调度模型采用并行微观矢量等价加权结构,各重点路段和路口节点不能有效区别评价,调度效果不好。提出一种基于多维矢量线性规划的恶劣天气下的公路交通有效调度模型。进行恶劣天气下的交通路网信息采集,构建PID神经网络路网模型,路网模型采用一个5元组表示,提取制约交通拥堵的关键信息。设计恶劣天气下的交通拥塞检测算法,根据多维矢量线性规划可得单位路径行程时间下的拥塞状态联合分布,计算最佳适应度值,实现交通优化调度。仿真结果表明,采用该模型进行公路交通拥塞程度检测和调度,检测精度较高,能准确反映公路交通的实时状态信息,通过有效调度能大幅度提供公路交通的通行效率,应用价值较高。     

基于并行SOM和自适应禁忌优化算法的负载均衡分簇路由设计

为了克服传统分簇路由协议中无法有效缓解"热区"和数据传输可靠性不高的问题,设计一种基于并行SOM和自适应禁忌优化算法的负载均衡路由协议。首先,将整个网络区域分为若干子区域,在每个子区域中自适应的根据节点与基站的距离确定分簇数目,采用并行SOM并行对网络区域进行分簇,同时根据能量和位置因素选举簇头;然后,以最小化各簇头到基站的最小跳数为目标,采用改进的禁忌优化算法来寻找各簇头到达基站的最优解和次优解,构成多条冗余路由,以增强数据传输的可靠性,最后,对基于改进禁忌优化算法的最小跳数路由协议进行了设计和描述。仿真实验表明:文中方法能有效地提高网络生命周期和提高数据传输的可靠性,具有很好的负载均衡能力,是一种适用于WSN的有效分簇路由算法。     

土钉墙内部稳定性分析禁忌搜索算法

基于边坡极限平衡的简化Bishop法,考虑土钉的加固作用,推导了土钉墙安全系数计算公式;然后利用禁忌搜索算法(TSA)对北京某大厦基坑土钉支护结构最危险滑动面的位置及相应最小安全系数进行了搜索.计算结果表明:TSA法的搜索性能要优于简单遗传算法且本文土钉墙简化Bishop法克服了瑞典条分法的不足,具有较高的计算精度.     

基于遗传算法的电力系统经济调度方法

为了在满足有功功率平衡情况下使发电费用最小,机组出力、电压水平及线路安全约束也应得到满足。文章选取遗传算法对基于智能优化方法的电力系统经济方法进行了研究,介绍了遗传算法的基本计算流程。采用MATLAB软件讨论了交叉率对电力系统经济调度遗传算法的影响。     

嵌入式系统亚稳态高阶扩散模糊决策能耗管理

嵌入式系统最优能耗敏捷管理技术是解决广泛应用下系统能耗制约的关键。传统的系统能耗敏捷管理方法采用基于双基准态稳定下的判决思想,对固定的稳态和固定的非稳态进行低阶扩散研究,受限于低阶扩散特性对于系统高阶风险管理的片面性,无法实现最优敏捷管理。提出一种基于亚稳态高阶扩散模糊决策的最优嵌入式系统能耗敏捷管理设计,采用亚稳态下的高阶扩散特性,对嵌入式系统亚稳态下的实际特性进行描述分析,采用亚稳态描述符判断中间量,然后基于模糊决策思想,对亚稳态高阶扩散进行模糊向量积分,得到模糊决策,并将模糊决策结果应用于能耗管理,实现最优能耗敏捷管理。最后采用实际的嵌入式系统进行最优化系统能耗敏捷管理测试实验,结果表明,该方法的嵌入式系统在各种风险态下的能耗管理均优于传统方法,能耗平均节约37%,对于系统能耗管理具有很好的指导意义。     

一种基于Hive数据仓库的调度优化研究

如何能够更好的通过数据仓库进行决策分析是云计算下的数据挖掘研究的重要组成部分,基于Hive的数据仓库是为了能够快速的查询数据,通过ETL任务资源与调度可以使得查询的消耗达到最小,但ETL是一种类似的NP问题,本文将萤火虫算法引入到ETL任务资源调度中,将萤火虫个体的最优与ETL最优任务调度进行对应。实验平台采用某地区的面料交易平台进行研究,实验说明本文算法能够有效的提高ETL访问效率,从而加快了Hive的访问速度。     

云计算中的基于ACA-GA的资源调度的研究

如何更好地进行资源调度一直都是云计算的研究方向,本文针对蚁群算法存在收敛速度慢,容易陷入局部最优的缺点,将遗传算法融合到蚁群算法中得到混合算法(ACA-GA),在蚁群算法的初始解的过程中采用遗传算法的选择、交叉、变异等操作得到有效的初始解;其次,对蚁群算法中的路径选择设定感觉阀值用来调节个体选择最优路径的概率;最后针对挥发因子的改进使得信息素的更新的效率得到提高。本文算法通过经典测试函数证明算法的性能有了明显的提高。Cloudsim平台说明本文算法在云计算的资源调度中降低了消耗的时间和花费成本,具有一定的推广价值。     

交叉集聚变异的数据调度路径损耗优化估计

在流媒体大数据调度中,因路径损耗较大,产生调度延时和频谱失真,需要对路径损耗进行优化评估,提高对流媒体大数据库的访问速度和检索定位。提出一种基于交叉集聚变异最小延时的流媒体大数据调度路径损耗评估模型,基于遗传算法设计流媒体数据集聚调度模型,得到流媒体数据调度的位置变换策略。确定流媒体数据编码方案,构建流媒体网络通信代价矩阵控制的数据调度路径损耗模型,实现算法改进。实验结果表明,该模型能使流媒体数据调度路径损耗有效降低,优化流媒体数据传输,最终达到最小传输时延,避免了调度延时和失真。     

自适应Memetic算法

在处理多峰函数的优化问题时,遗传算法局部搜索能力差,并且容易早熟。针对这种问题,将遗传算法与多种局部搜索算法相结合,形成多种Memetic算法。通过进行数值优化实验,发现算法的优化效率有所提高,但是局部搜索算法的不同对优化性能影响很大。为解决这种问题,在传统Memetic算法的基础上提出了一种使每代个体根据局部搜索算法的搜索效率自适应选取局部搜索算法的Memetic算法,即基于离散度的自适应Memetic算法。通过测试函数测试,这种算法具有更高的效率和更强的通用性。