基于功能单元最大利用率的调度算法

高级综合中调度决定系统运行速度与造价的折衷，调度问题为ＮＰ问题。本文将调度问题看作为多目标优化问题，并提出一种基于功能单元最大利用率的调度算法，以较低的时间复杂度求得调度问题的最优或近似最优解，该算法不仅可求解时间约束下的调度问题，也可求解造价约束下的调度问题。     

基于粒子群优化的地震应急物资多目标调度算法

合理高效地优化调度救灾物资对提升地震应急救援效果具有重要意义。地震应急需要同时兼顾时效性、公平性和经济性等相互冲突的多个调度目标。该文对地震应急物资调度问题建立了带约束的3目标优化模型，并设计了基于进化状态评估的自适应多目标粒子群优化算法(AMOPSO/ESE)来求解Pareto最优解集。然后根据“先粗后精”的决策行为模式提出了由兴趣最优解集和邻域最优解集构成的Pareto前沿来辅助决策过程。仿真表明该算法能有效地获得优化调度方案，与其他算法相比，所得Pareto解集在收敛性和多样性上具有性能优势。     

多站多星任务调度模型及求解

针对遥感卫星数据接收任务的特征,提出了多站多星任务调度的主要约束条件和优化目标函数,建立了基于约束满足优化问题的多站多星任务调度模型,采用贪婪算法和约束传播相结合的方法对多站多星任务调度进行了求解.该优化调度模型及求解算法已成功运用于遥感卫星数据接收站的日常运行工作中.     

基于改进小生境遗传算法的微波/光混合链路中继卫星资源调度方法

针对微波/光混合链路中继卫星系统多资源约束下的多目标综合调度问题,分析了微波与激光混合链路的主要特点和影响因素,建立了混合链路资源调度多目标约束规划模型;将小生境技术引入遗传算法,并设计了基于精英保留的选择机制和自适应的交叉、变异算子,提出了一种改进的小生境遗传算法对模型进行求解。所提算法可有效避免遗传算法局部优化能力差及容易陷入局部最优等缺陷,同时能够防止最优解的丢失,解决了混合链路多资源约束下的多目标综合调度问题。仿真结果表明,相对与传统的遗传算法,本文算法在保持种群多样性和求解全局最优解方面具有优势,有效解决微波/激光混合链路中继卫星系统的多目标综合调度问题。     

基于改进小生境遗传算法的微波/光混合链路中继卫星资源调度方法

针对微波/光混合链路中继卫星系统多资源约束 下的多目标综合调度问题,分析了微波与激光混 合链路的主要特点和影响因素,建立了混合链路资源调度多目标约束规划模型;将小生境技 术引入遗传 算法,并设计了基于精英保留的选择机制和自适应的交叉、变异算子,提出了一种改进的小 生境遗传算 法对模型进行求解。所提算法可有效避免遗传算法局部优化能力差及容易陷入局部最优等缺 陷,同时能够 防止最优解的丢失,解决了混合链路多资源约束下的多目标综合调度问题。仿真结果表明 ,相对与传统 的遗传算法,本文算法在保持种群多样性和求解全局最优解方面具有优势,有效解决微波/ 激光混合链路中继卫星系统的多目标综合调度问题。     

面向云计算的花朵差分授粉工作流多目标优化算法研究

为解决云计算环境下工作流多目标难于优化的问题,本文提出了一种花朵差分授粉工作流多目标调度优化算法.该算法将工作流中任务和虚拟机建模成花粉,将完整的调度序列建模成花朵.依据任务的偏序关系进行离散花朵授粉过程.仿真结果表明较算法NSGA-Ⅱ和MEOA/D,该算法能在限定的截止期和预算的条件下具有更高的资源利用率.     

一种基于多伯努利模型的被动多传感器多目标轨迹关联性能分析新方法

多目标轨迹关联算法的性能分析问题是天基光学被动测角跟踪系统中的核心和难点之一.该文针对具有代表性的基于最邻近准则的轨迹关联算法,提出了一种基于多伯努利模型的被动多传感器多目标轨迹关联性能分析新方法.首先,对关联倾角差统计量的概率分布进行准确建模.接着,分析最邻近轨迹关联算法在多目标情况下的等价条件,求解出每一个目标在多目标情况下的正确关联概率.最后,通过将每一个目标的正确关联概率类比为伯努利试验的成功率,从而将多目标情况下的整体关联性能问题建模为多伯努利问题,在此基础上实现对多目标轨迹关联性能的理论推导.密集目标场景下的Monte Carlo仿真结果验证了该理论分析方法的有效性,分析结论可以为传感器调度等工程应用提供参考.     

无人机集群协同搜索跟踪任务规划方法

无人机集群在目标搜索、定位和跟踪等方面具有巨大的应用潜力,有效的任务规划方案能极大提高无人机集群执行任务的效率。在不确定的动态环境中,任务规划方案需要适应环境的变化,对任务规划的求解效率提出了较高的要求。针对动态环境下的无人机集群协同搜索跟踪任务规划问题,本文将其建模为动态多约束多目标优化问题（DMCMOPs）,并提出了基于动态自适应惩罚的动态约束双档案进化算法（DCTAEA）,其在收敛性种群更新中引入自适应惩罚函数机制,整合不可行个体的目标函数值和违反约束的惩罚值获得修正的目标函数值,实现有价值不可行解的利用,促使种群进入可行区域并向帕累托前沿面收敛,极大促进了种群的收敛。仿真结果证明,与第二代非支配排序遗传算法（NSGA-II）的动态版本、基于分解的多目标进化算法（MOEA/D）、约束双档案进化算法（CTAEA）和动态双档案进化算法（DTAEA）相比,本文所提算法有效性较显著。     

基于GA的BP神经网络在多目标优化中的应用

针对传统多目标优化的求解方法通常存在目标权值主观性大,优化目标仅为各目标加权和以及在求解过程中各目标优化的不可操作性等问题,文中提出了一种新颖的多目标优化算法,其将改进后的遗传算法与BP神经网络融合,提出了基于遗传算法的BP神经网络融合算法。该算法将遗传算法与BP神经网络算法相结合,充分发挥遗传算法的全局搜索能力优势和BP算法的局部搜索能力特点,使得多目标优化问题得以求解,加快收敛速度,从而提高了收敛精度。     

基于自适应算子与非支配排序的星地网络多目标优化方法

低轨(Low Earth Orbit,LEO)高通量卫星将成为未来非地面网络的重要组成部分。基于星上灵活载荷技术,探索未来6G星地网络动态高效的多维资源调度和多指标优化方法。实际优化过程中,多个指标间如吞吐量、接入用户数等往往相互冲突。已有工作多通过加权求和将多个优化目标转换为单目标优化问题进行求解。然而此种方法通常存在不同目标函数之间量纲单位无法统一,病态矩阵造成各目标函数权重无法准确分配,以及在大规模优化中难以接近帕累托前沿等问题。针对星地融合网络如何同时提高终端接入数量与提高多用户吞吐的优化问题,建立单目标和多目标优化模型,通过对单目标优化问题分配不同权重,进行最优求解,产生多组优化结果作为性能比较的基准方案之一,提出基于快速非支配排序与自适应算子调整的高效多目标优化算法。实验结果表明,所提算法较加权单目标优化与传统多目标优化算法,可有效提升整体的优化性能,进而提升星地融合网络的通信性能。     

基于余弦距离的多目标粒子群优化算法

针对粒子群优化算法具有的个体分布不均匀以及重复个体较多等缺陷,提出了一种基于余弦距离的多目标粒子群优化算法,该算法根据外部精英存储策略,利用余弦距离排挤机制来选取最分散的粒子,扩大 Pareto最优解集的收敛性和多样性,增强算法的全局寻优能力。通过采用标准多目标优化问题ZDTl～ZDT3进行仿真实验与粒子群算法、混沌粒子群算法、基于拥挤距离的多目标优化算法对比表明,该算法在Pareto前沿的收敛性和多样性方面均优于基于拥挤距离排挤机制,并具有较高的效率     

猫群算法求解阻塞流水车间调度问题

阻塞流水车间调度是现实生产调度中一类很重要的组合优化问题,其已被证明是典型的NP难问题。为了提高该问题的求解性能,文中提出了猫群算法（CSO）求解阻塞流水线调度问题。猫群算法是近几年来提出的群体智能算法,算法以一小部分猫执行跟踪模式,其余大部分猫执行搜寻模式,通过这两种模式同时进行局部搜索和全局搜索以达到优化目标。文中利用标准Car问题算例进行仿真实验,并与标准粒子群算法（PSO）和蝙蝠算法（BA）进行比较,结果表明猫群算法在求解生产调度问题的可行性和有效性。     

基于改进遗传算法的多目标JSP调度研究

针对多目标车间作业调度问题(JSP),提出了一种混合遗传算法,将多目标遗传算法得出的初步优化结果作为粒子群算法的初始粒子,利用粒子群算法强化局部搜索,加快收敛速度,改善了简单遗传算法局部搜索能力差、迭代效率低的问题.仿真结果表明了该算法对JSP调度的良好效果.     

布谷鸟粒子群优化算法的多目标任务调度

高效的调度方法促使云计算更快更好地服务,一般采用优化算法来解决云计算中的调度问题。将布谷鸟搜索(CS)和粒子群优化(PSO)两种算法相结合,提出多目标布谷鸟粒子群优化算法(MO-CPSO),主要目的是提高云计算的服务质量。使用Cloudsim仿真工具对MO-CPSO算法的性能进行了评估。仿真结果表明,与CS、ACO和Min-Min算法相比,MO-CPSO算法使makespan、开销和截止时间违背率均最小。     

无线传感器网络优化的任务管理算法研究

该文针对多跳分簇无线传感器网络多节点协同式并行处理应用,提出了一种新的基于改进粒子群优化算法的任务管理算法,该算法建立了基于复制的变异操作,并采用基于熵权的逼近理想解的排序法对算法结果进行客观评价与择优。详述了算法的各个要素,仿真结果证实,算法搜索效率高、可获得多目标优化的任务分配与调度解,且比文献中提出的其他算法的解性能优越。     

基于双仲裁机制和田口正交法的猫群优化任务调度算法

针对异构计算系统任务调度过程中通信冲突以及算法运行时间的问题,该文提出一种基于双仲裁机制和田口正交法的猫群优化任务调度算法。首先利用双仲裁机制对任务资源进行管理,动态判决任务的分配,有效避免通信冲突,再将田口正交法应用到猫群优化过程的跟踪模式中,降低算法运行时间,提高解的质量。实验结果表明,该算法运行速度明显高于其他算法至少约10%,算法在处理大量任务时的并行化效果最优,在异构环境中也体现出其相当大的优势。     

基于极坐标变换的改进NSGA-II算法

在实际工程中存在着大量的多目标优化问题,而由于大部分多目标优化问题有无穷多个最优解,且传统的数学方法如梯度下降法和牛顿法,无法求解一些不可微或表达式过于复杂的多目标优化问题。为避免以上局限,NSGA-II作为求解多目标优化问题的代表算法被提出,但NSGA-II算法仍存在着一些不足,如变异算子功能过于简单,降低了Pareto最优解的多样性。为增加Pareto最优解的多样性,文中设计了一种基于极坐标变换的改进NSGA-II算法,该算法可使得Pareto最优解分布更加均匀,并最终通过标准的测试函数验证了算法的有效性。     

粒子群优化算法在网格工作流调度中的应用

为了提高网格工作流管理系统的性能,将粒子群优化算法（PSO）引入到网格工作流的调度策略中．分析算法的基本原理,根据网格工作流调度的问题对其进行变形,提出基于粒子群优化算法的网格工作流调度策略,并与基于Dijkstra的网格工作流调度算法进行对比实验．实验数据表明,粒子群优化算法在网格工作流调度中的性能较好．     

Array Pattern Optimization for Steerable Circular Isotropic Antenna Array Using Cat Swarm Optimization Algorithm

In this paper the steerable isotropic circular array antenna is designed for reducing the side lobe level (SLL) using evolutionary optimization technique. The optimization techniques particle swarm optimization and cat swarm optimization algorithm are used to reduce the SLL as well as to steer the main beam in specific direction. In this design of steerable circular arrays the amplitude excitations are optimized. Obtained results show that the maximum peak of SLL of the resultant patterns are as per requirement. This paper present a good performance in the array factor response and suppressed SLL for different number of array elements with different steering angle of the main beam using evolutionary optimization technique.