作业车间调度问题解的不可行性检测算法和快速修复算法

为了判别作业车间调度问题的解的可行性,提出了一种基于图论的启发式判别算法,并通过实例验证了方法的正确性.提出了普适于作业车间调度问题的快速修补新算法,可以对于作业车间调度问题的不可行解进行修正使之变成可行解.判别算法和修补算法在最不利情形下的计算复杂性均为O(n),判别算法在最有利情形下的计算复杂性为O(2 |J|+|...     

A New Algorithm for Resource Constraint Project Scheduling Problem Based on Multi-Agent Systems

Intheprojectmanagement,theschedulingproblemforshorteningthedurationundertheconstraintofre sourcesiscalledresourceconstrainedprojectschedulingproblem (RCPSP) [1] .Withtheincreasingcompetitionwithinglobalmarket ,thereisanurgentneedforenter priseintegration .Asanexample ,modernbusinessesnolongercompeteasindividualcompaniesbutratherassup plychains .Thus ,thesuccessofasinglecompanyde pendsonitsabilitytomanageandintegratenetworksofvariousbusinessrelationshipsinwhichcertainactivitiesarelinkedtoothe…     

动态车辆调度系统的滚动时域调度算法

提出了一类特殊的动态车辆调度问题--动态独占性带时间窗口装卸货问题.给出了问题的数学描述,分析了其静态性质,并把问题简化为不对称带时间窗口旅行商问题.提出了求解该动态问题的滚动时域调度算法,通过时域的不断滚动,不仅可以跟踪问题的动态变化,还由于每次滚动只对部分客户进行处理,可以减少问题的求解时间.并分析了算法的3个要素:当前客户窗口、当前客户窗口的调度和滚动策略.测试结果验证了算法在求解动态车辆调度问题中的有效性.     

求解0-1背包问题的遗传算法

提出了一种求解0-1背包问题的遗传算法,该算法首先设计出基于适应度的自适应变异策略,提高了变异的科学性和新算法的搜索能力;然后提出了基于单位价值信息和满足约束最大化的双优化策略,提高了求解的质量.3个0-1背包问题的仿真实验表明:与已有的HGA算法和GGA算法相比,新算法在求解质量上具有一定优势.     

遗传算法的研究

遗传算法是一种基于生物自然选择与遗传机理的随机搜索与优化方法．近年来,由于遗传算法求解复杂优化问题的巨大潜力及其在工业工程领域的成功应用,这种算法受到了国内外学者的广泛关注．本文介绍了遗传算法的研究现状和基本原理,概述了它的理论和技术,并对遗传算法的性能作了分析．以推销员旅行问题为例来展示遗传算法在求解复杂优化问题上的优越性．     

一种有效的多目标混合遗传算法

设计了一种基于支配关系下的局部搜索方法,将此局部搜索方法嵌入到多目标遗传算法中,从而提出一种有效的求解多目标优化问题的混合遗传算法。为加速遗传算法在全局优化问题上的收敛性,发挥传统数值优化算法在计算速度与计算精度上的优势,在遗传算法中镶嵌一个多目标线搜索算子。线搜索算子与遗传算法中的选择算子、交叉算子和变异算子共同作用,使全局搜索和局部搜索都能够很好的实现。数值实验表明,该混合遗传算法能求得问题的数量更多、分布更广的Pareto最优解。     

基于遗传算法的网格简化研究

针对三角面网格提出了一种新的网格简化方法,简化过程主要包括网格删除和网格重构。根据需建立的数量比例权重来进行冗余网格删除工作,然后利用遗传算法建立修正适应度函数来重构网格,达到三角网格数量的精简与形状匹配最优化目标。最后通过一实例讨论与对比分析,验证了该方法的有效性和准确性。     

一种改进的多值遗传算法研究

该文通过在多值遗传算法中引入模式基因来引导种群的搜索方向,算法在运行过程中不断搜索基因的各种组合,是一种有导向性的组合,模式基因的提取和利用加强了基因组合的导向性,有效提高算法的搜索效率。仿真实验表明了改算法的有效性。     

Eucalyptus中基于能量消耗的调度算法研究

能量消耗是云计算研究中一个十分重要的问题,介绍了开源云项目Eucalyptus,分析了其核心调度算法及在考虑能量消耗的应用场景中存在的问题,利用虚拟机在线迁移技术提出了基于能量消耗的调度算法。实验证明,基于能量消耗的调度算法性能优于Eucalyptus现有的核心调度算法。最后总结了需要进一步提高的方面。     

一种新型免疫遗传算法在图像增强上的应用

将一种新型免疫遗传算法应用到图像的增强处理中,利用其快速搜索能力,对给定测试图像,自适应地变异、搜索、直至最终确定变换函数的最佳参数α,β值,从而实现图像的增强.与穷举法相比,大大节约了求解的时间和计算的复杂度,并通过对自然图像的仿真实验论证该方法的有效性.     

输入队列交换机的一种随机调度算法

对输入队列随机调度算法的取样问题进行了分析,指出由于输入队列的记忆特性,当前时隙的调度决策若具有最大权值,那么选取与这个最大权值相近的匹配作为下个时隙调度决策时的样点将以较大概率找到最大权值匹配.基于此本文设计了一种新的随机调度算法GALSA,GALSA利用演化策略来跟踪与每个时隙决策具有相近权值的匹配点.GALSA算法所需样点是O(N),因此其复杂性大大低于现有随机算法APSARA.且仿真结果表明GALSA的延迟性能与APSARA媲美.     

一种改进的启发式网格任务调度算法

互联网技术的发展,硬件技术和通信技术的进步 共同加快了计算机领域前进的步伐。20世纪80年代 出现了并行计算,支持同步的算法、程序和体系结构相 继被开发。随后出现了分布计算,它要求各个处理机 之间能够协同计算,通过处理机间的通信共同解决问 题。网格计算技术的发展适     

Linkage intensity learning approach with genetic algorithm for causality diagram

The causality diagram theory, which adopts graphical expression of knowledge and direct intensity of causality, overcomes some shortages in belief network and has evolved into a mixed causality diagram methodology for discrete and continuous variable. But to give linkage intensity of causality diagram is difficult, particularly in many working conditions in which sampling data are limited or noisy. The classic learning algorithm is hard to be adopted. We used genetic algorithm to learn linkage intensity from limited data. The simulation results demonstrate that this algorithm is more suitable than the classic algorithm in the condition of sample shortage such as space shuttle’s fault diagnoisis.     

遗传算法在消圈问题中的应用

利用遗传算法实现对图论中无向图的消圈。将无向图转化为二进制的染色体个体,对于出现圈的图,算法巧妙地采用关联矩阵列向量线性相关性进行判断,对含有圈的个体进行惩罚使其进入下一代的概率微小,促使算法能较快的收敛。算法在设计过程中,进行多种遗传机制的测试,在遗传的控制参数上也都适当进行调整,使其达到较为满意的结果。将该算法应用测试后表明,算法能够有效进行消圈,并输出最优解。在交通规划的实际问题中,能很好地体现其优势。     

具有成熟前收敛判断的自适应遗传算法

针对传统的简单遗传算法的缺陷,提出了改进的具有成熟前收敛判断的自适应遗传算法．用群体熵值和均方差来预报成熟前收敛的发生．当成熟前收敛发生时,提出以群体中的最优个体为基础,在其一定大小领域内随机产生若干个体,取代原种群中的部分个体,其中更新的个体数占群体中个体总数的30％—40％,领域大小与目标函数极值点分布有关．仿真实验证明,算法的收敛速度和全局收敛概率都有显的提高．     

多资源约束作业车间调度问题的模型研究

在柔性作业车间调度问题模型的基础上,针对资源约束作业车间调度问题及多目标柔性作业车间调度结合的问题,建立了资源约束下多目标柔性作业车间调度问题的数学模型,提出了启发式活动调度算法与遗传算法结合来对模型进行求解。选择操作采用轮盘赌选择方式;交叉操作采用基于活动启发式算法的交叉算子;变异操作采用基于领域搜索的变异。最后分析了一个具体调度结果实例。     

Algorithms for semi on-line multiprocessor scheduling problems

In the classical multiprocessor scheduling problems, it is assumed that the problems are considered in off-line or on-line environment. But in practice, problems are often not really off-line or on-line but somehow in between. This means that, with respect to the on-line problem, some further information about the tasks is available, which allows the improvement of the performance of the best possible algorithms. Problems of this class are called semi on-line ones. The authors studied two semi on-line multiprocessor scheduling problems, in which, the total processing time of all tasks is known in advance, or all processing times lie in a given interval. They proposed approximation algorithms for minimizing the makespan and analyzed their performance guarantee. The algorithms improve the known results for 3 or more processor cases in the literature. Project supported by the National Natural Science Foundation of China (Nos. 19701028 and 19971078) and National 973 Research Project of China.     

基于混合遗传算法的关系型数据库多连接查询优化

该文分析了关系型数据库的查询优化问题,针对多连接查询提出将遗传算法和爬山法结合,从而构造了关系型数据库多连接查询优化问题的混合遗传算法,并进行了实验计算。结果表明,用混合遗传算法解决多连接查询优化问题,可以发挥遗传算法和爬山法的不同优势,从而得到较满意的查询优化性能。     

Improved genetic operator for genetic algorithm

The mutation operator has been seldom improved because researchers hardly suspect its ability to prevent genetic algorithm (GA) from converging prematurely. Due to its importance to GA, the authors of this paper study its influence on the diversity of genes in the same locus, and point out that traditional mutation, to some extent, can result in premature convergence of genes (PCG) in the same locus. The above drawback of the traditional mutation operator causes the loss of critical alleles. Inspired by digital technique, we introduce two kinds of boolean operation into GA to develop a novel mutation operator and discuss its contribution to preventing the loss of critical alleles. The experimental results of function optimization show that the improved mutation operator can effectively prevent premature convergence, and can provide a wide selection range of control parameters for GA.