协同进化多目标优化算法在车间调度中的应用

针对车间调度问题计算复杂度较高的特点,将协同进化多目标优化算法应用于车间调度问题。计算实例结果表明,协同进化多目标优化算法应用于车间调度问题不仅可以优化效果,而且能够在一定程度上提高计算效率。     

水库确定性优化调度动态规划法通用算法及软件开发研究：软件

研究开发了水库确定性优化调度动态规划法通用软件．该软件具有原始数据读入，确定性优化调度策略计算，隐随机优化调度数据的生成，调度过程线绘制，调度规律的分析及结果输出功能     

带有一般性位置依赖影响的分组调度研究(英文)

为了研究更具实际意义的带有位置依赖影响的分组调度决策问题,建立了一般性位置依赖的分组调度模型.在模型中,分组实际发动时间和工件的实际加工时间被表示成初始时间和调度位置的一般函数.此类函数没有被假设为特殊函数形式,且没有要求限制其函数单调性.通过数理逻辑分析和证明,把所研究的问题模型分解为组调度过程和工件调度过程,并把每个调度过程分别转化为经典任务分派问题和单机排序调度问题,进而分析问题求解的计算复杂度.研究表明,即使在一般性位置依赖的模型假设下,单机最小化时间表长的分组调度问题和平行机最小化总负荷的分组调度问题仍然是多项式可解的.     

基于PTG的虚拟计算环境中DAG任务并行调度算法研究

随着数据密集型计算的飞速发展,在虚拟计算环境研究的基础上,数据虚拟计算环境的研究工作也发展得如火如荼。其中,虚拟计算环境计算的任务调度是一个非常重要的问题,调度算法和策略的好坏将直接影响任务执行的效率乃至成败。提出了一种新的虚拟计算环境DAG任务调度算法,并建立了树状层级调度模型。通过将虚拟计算环境DAG任务转化为参数化任务图PTG（Parameterized Task Graph）,采用在线和批处理相结合的方式,对各层任务进行在线处理,对层内任务进行批调度;经仿真平台实验,该本算法可有效提高并行效率,缩短调度时间。     

云计算环境下基于蚁群优化算法的资源调度策略

云计算是当前国内外企业与研究机构研究的重点,是下一代网络应用的新兴与主流技术。资源调度作为云计算中的关键问题,研究怎样将用户提交的任务合理地分配给各个计算节点同时能够兼顾计算结节的动态扩展性。本文提出运用蚁群优化算法进行资源调度,综合考虑任务完成时间和计算成本优化问题,建立数学模型,是一种有效的资源调度算法。     

多处理机系统任务调度研究

目前大规模的并行分布多处理机系统中,调度算法好坏直接影响计算系统的高性能计算潜力能否发挥,调度的目的就是如何分配资源使系统性能最优。本文主要讨论分布式多处理机系统进行任务调度时的关键问题,包括问题模型的描述,调度策略,常用算法,评估标准,数据平台以及该问题的发展趋势。     

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|+|...     

计算网格QoS-aware作业调度的建模与性能评价

为了提高计算网格的服务质量(QoS),研究了包含多层调度器的分级分布式网格体系结构中的QoS-aware作业调度问题,提出了一种将计算网格本地调度器作业选择中所使用的作业优先级与全局调度器的作业分配策略相结合的QoS-aware作业调度综合控制策略.建立了一个具有2层调度器的计算网格的随机高级Petri网(SHLPN)模型,并且进行模型精化设计以降低模型求解的复杂性.使用基于SHLPN的性能分析技术进行系统性能评价.数值结果显示QoS-aware作业调度策略能够为高优先级的作业提供较QoS-unaware作业调度策略更好的QoS保证.     

彰武水库的自适应调度方法研究

采用基于规则的方法研究了彰武水库的调度问题,提出了一种“自适应逆序”计算方法。该方法将逆序计算与水库的自适应调度方法相结合,实现了水资源配置过程中的“宽浅式”破坏等原则,得出了彰武水库的调度图。     

面向流计算的GPU存储资源动态分配技术

针对流处理计算模式中的任务分配不平衡问题,提出一种资源动态分配的硬件调度机制。该机制通过实时监测各个任务的计算量,动态地调节分配各个任务的计算资源,提髙不规则任务的计算资源利用率,并且利用任务间数据流动的特性优化了缓存设计。与现有GPU的成熟调度算法相比,该调度算法能使系统性能获得明显提升。     

SA法在求解非线性约束优化问题中的应用

传统数学规划方法如梯度法等在解决非线性规划问题时,往往会由于问题本身的多峰性而落入局部最优解中,得不到全局最优解,这使得传统方法在解决非线性规划问题中受到很大的限制.80年代初,S.Kirkpatrick提出了模拟退火算法(Simutaneous Annealing),该方法在解决复杂的组合优化问题中可以得出很好的结果.它是一种仿金属退火物理过程的随机算法,在理想状态下可得出全局最优解,并能以一定的概率跳出局部最优解所在的区域.本文我们将探讨SA法在求解非线性约束优化问题中的应用.     

货郎担问题的若干解法

货郎担问题是组合优化中的著名问题,至今它还没有一个有效算法.主要针对多年来人们对它的研究而得到的一些较好的最优解或优秀的近似解,结合实例,说明这些算法的运行过程.并提出两个新的算法-贪心算法和修改最小生成树法.     

求解车间作业调度问题的免疫粒子群算法

粒子群算法已成功地应用于著名的旅行商问题和其他一些组合优化难题。为了使用粒子群算法来解决生产问题，该文在原有的粒子群优化模型的基础上提出了一种新的免疫粒子群算法，由具体算例验证该算法是有效的。     

蚁群算法及其在TSP中的应用

根据蚂蚁生态学提出的蚁群算法是一种新颖的用于求解复杂组合优化问题的模拟进化算法,具有典型的群体智能特征,表现出较强的学习能力和适应能力。阐述了该算法的基本原理、算法模型和在旅行商问题中的具体应用过程,并对算法进行了总结和展望。     

迷宫问题的图论解法探讨

迷宫问题是《数据结构》中是作为栈的典型应用举例，且迷宫是以二维数组来存储的，表面上看似乎迷宫问题是一种特殊问题的解决方法，其实迷宫问题是一种特殊形式的图的问题。因此，迷宫问题总是可以转化为图的问题来解决的。讨论如何将迷宫问题转化成图的问题，以及如何利用图的算法来解决迷宫问题。     

一种跨邻域学习的改进粒子群优化算法

为了改善传统粒子群优化算法过早陷入局部最优解的缺点,进一步增强算法收敛性,通过使用一定范围内邻域最好位置lBest代替自身历史最好位置pBest进行速度与位置更新,以增强粒子跨邻域学习能力。使用整个群体中最好位置gBest进行速度与位置更新,可增强算法收敛性,且具有较好的全局搜索能力。在8个不同的单峰和多峰函数上系统地对3种算法进行测试与比较,实验结果表明,提出的跨邻域学习改进粒子群优化算法可避免粒子群陷入局部最优解,求解精度与算法收敛性都提升了15%以上。     

基于细胞自动机演化算法求解无约束函数优化问题

在最优化领域目前广泛应用的智能优化算法有遗传算法、模拟退火算法、神经网络算法等。但这些算法的实现模式都还是基于串行模式。利用细胞自动机来解决优化问题,也就意味着能够建立极度并行的解决最优化问题的程序。提出了一种基于细胞自动机的演化算法,以求解无约束函数优化问题,并用实验分析了此算法的性能。     

人工鱼群算法在图像配准中的应用

图像配准是图像处理的基本任务之一,是图像融合、目标识别等的前提。文章将基于行为的人工智能思想通过动物自治体的模式引入优化命题的解决中,构造了一种解决问题的架构—鱼群模式,并由此产生了一种高效的智能优化算法—人工鱼群算法(AFSA),进而提出以人工鱼群算法为优化搜索策略的人工鱼群算法在图像配准中的应用。     

互动优化的增量三角剖分算法

当前三角化文献中一般只介绍点云的三角化方法,几乎没有文献注意到点云三角化过程中与用户互动的过程,按用户的要求进行点云的三角化。本算法是一种增量算法,为了提高算法是实用性,算法将剖分信息按照点的不同位置存储到不同的对应边链表和三角形链表中,以降低边和三角形的搜索操作时间,提高三角化的速度;算法中采用了加点剖分中同步优化和初步剖分后用户随意多次优化的多重优化方案提高剖分三角形的质量,并且剖分中同步优化和用户再次优化分别采用最小角最大化优化准则和曲率最小优化准则,使剖分拟合表面更加光顺。通过点云剖分的实例结果显示,该算法具有速度极快、占用内存少、形成三角表面质量高,程序运行界面友好等优点。     

一种改进的混沌优化方法研究

为提高混沌优化方法的寻优速度和求解精度,本文提出一种改进的混沌优化方法,该方法结合幂函数载波和变尺度混沌优化方法的优点,在第一次载波中利用幂函数全局寻优,在第二次载波中,以当前最优解为中心,不断缩小优化变量的搜索区间进行双侧局部寻优。仿真结果表明,该方法可以明显提高收敛速度和精确性。