多技能人力资源调度策略在资源限制型项目中的应用

针对目前应用于人力资源受限工程调度问题的单技能员工调度策略，提出一种多技能员工替换策略的改进算法．该算法能存储用于替换短缺资源的人员信息，利用闲置资源最大化替换短缺资源，从而达到缩减项目工期的目的．     

考虑技能水平的多技能资源约束项目调度

针对带有技能水平的一般多技能资源约束项目调度问题进行扩展,将技能水平进行分级并将技能和资源各分为关键和辅助2类,考虑作业执行时间因分配的关键资源具备的技能水平而变.以最小化项目总工期为目标,建立相应的数学优化模型,提出包含双层决策及局部优化策略的混合算法.其中,上层的遗传算法用于决策表示作业执行顺序的优先级列表,下层的关键资源决策启发式算法用以确定作业实际执行时间并对上层列表进行解码得到问题的可行解.在所得可行解的基础上,采用基于关键链的局域搜索算法,调整资源分配以缩短关键链长度,保证算法的求解质量.数据实验表明,所提算法在求解质量和求解速度方面均具有良好性能.     

随机化竞争的LTE-A中继蜂窝小区边缘协作调度策略

提出了随机化竞争调度算法. 该算法属于协作调度算法的范畴,适用于对相邻中继蜂窝小区边缘的用户进行联合调度. 以此算法为基础,提出了基于随机化竞争的中继蜂窝小区边缘协作调度策略. 该策略通过在相邻小区边缘可能产生资源冲突的区域形成协作中继簇,并在协作中继簇覆盖的区域内应用随机化竞争调度算法,能够尽量避免相邻小区之间产生同频干扰,从而提升小区边缘的传输性能. 仿真结果表明,所提出的协作调度策略有效地降低了相邻小区中继站对边缘用户的干扰,提升了小区边缘的吞吐量,并在一定程度上增强了小区中心和边缘区域之间的调度公平性.     

多目标资源受限项目调度的多种群蚁群算法

为实现资源受限项目调度的多目标优化,通过改进传统蚁群算法,提出适用于多目标优化的多种群蚁群算法.该算法基于串行进度生成机制,每个蚁群具有各自的目标函数、与目标函数相匹配的不同搜索策略以及各自的信息素更新机制.各蚁群独立进行搜索决策,但各蚁群之间存在信息素的相互作用,从而实现加速搜索.针对多目标资源受限项目调度问题设计新的精英策略.在目标规划基础上构造一系列多目标项目调度算例,经系统测试表明,所提出的多种群蚁群算法能够有效优化资源受限项目的资源配置,实现多目标优化.     

面向应急救援的多目标资源调度机制

突发公共事件发生后,应急资源调度作为应急管理的重要环节,是其实现救援价值的重要体现.首先从应急管理角度分析了资源调度策略的影响因素,然后以优化时间满意度、成本耗费和需求满意度为目标构建多目标应急资源调度模型,通过引入粒子群算法求解多目标函数,决策出效用满意度最大的资源调度方案.最后,以效用满意度作为应急资源调度的均衡性指标.仿真实验结果表明,该方法具有较好的效用满意度,提高了资源调度的有效性.     

基于改进蚁群算法的网格资源调度

针对网格资源的分布式共享,提出了一种改进的蚁群算法,并用于网格资源调度中. 在算法中引入了资源节点的可信度,并作为蚂蚁残留的信息素评估要素之一,通过对可信度的评估,在一定程度上增强了蚁群算法的搜索能力和网格资源的可靠性. 在算法中设计了局部和全局信息素更新机制,实现了各资源节点上的负载均衡. 通过选取适当的参数,利用GridSim工具对基于改进蚁群算法的网格资源调度策略进行了仿真实验测试. 实验结果证明,该策略能有效地提高网格系统资源的利用率和任务提交的成功率,缩短了整个网格系统调度的总执行时间,改善了网格系统的性能.     

基于改进蚁群算法的网格资源调度

针对网格资源的分布式共享,提出了一种改进的蚁群算法,并用于网格资源调度中. 在算法中引入了资源节点的可信度,并作为蚂蚁残留的信息素评估要素之一,通过对可信度的评估,在一定程度上增强了蚁群算法的搜索能力和网格资源的可靠性. 在算法中设计了局部和全局信息素更新机制,实现了各资源节点上的负载均衡. 通过选取适当的参数,利用GridSim工具对基于改进蚁群算法的网格资源调度策略进行了仿真实验测试. 实验结果证明,该策略能有效地提高网格系统资源的利用率和任务提交的成功率,缩短了整个网格系统调度的总执行时间,改善了网格系统的性能.     

OpenStack环境下的资源动态调度研究

针对云计算平台中资源调度问题,提出了基于Open Stack的虚拟机动态调度算法。算法主要采用了基于节点负载的上线和下线触发策略和以提高服务质量和减少迁移成本的待迁移虚拟机选择策略.为了避免群聚效应,维持系统的负载均衡,通过计算虚拟机对节点的需求度来衡量虚拟机与节点间的匹配度,利用匹配度制成概率轮盘的目的节点的选取策略。最后结合云计算仿真平台CloudSim对算法工作的情况进行模拟,验证了算法的调度质量。     

基于改进智能水滴算法的双资源约束车间调度

为了解决多资源约束下的作业车间调度问题,提出了一种改进智能水滴算法.该算法采用了基于工序与加工机器相融合的两层编码方式建立问题和算法的映射关系,运用随机方法初始化产生可行解,结合精英保留策略加快算法的收敛速度,嵌入迭代局部搜索算法以增强算法的全局搜索能力,并来解决影响车间调度的3个主要成本因素,即最小化延期成本、最小化人工成本和最小化设备运行成本.通过实例的收敛性能对比,证明算法具有优秀的全局开发能力和收敛性.实验表明了该算法能够有效求解双资源约束车间调度问题.     

基于供求关系的网格经济模型及策略研究

针对网格资源这一交易市场,提出了一种改进的网格计算经济模型.深入研究了资源提供者和资源消费者在进行交易时的价格策略,涉及到类似现实生活中交易时的供求关系以及资源信誉度对价格的影响.提出了资源调度双方的信誉值算法,并以该算法作为决策记账和支付策略的依据.通过仿真模拟整个模型体系及其策略,与商品市场经济模型相比,模型在系统吞吐量上有所提高,受供求关系的影响较小.     

柔性资源受限的复杂产品协同开发项目调度研究综述

综述了资源受限的复杂产品协同开发项目调度和企业柔性资源管理的研究现状，提出了新的研究方向——柔性资源受限的复杂产品协同开发项目调度。     

一种改进的网格资源组织及其任务调度

为了提高网格资源调度的效率,利用分层的思想和方法,提出一种分层的网格资源组织方式及其调度机制。通过在分层组织结构中引入负载信息表和资源统计表,对传统的资源组织方式进行改进,在任务调度时对网格资源进行筛选,缩短任务的平均调度时间,提高任务调度效率,同时可解决网格内部的负载平衡问题。仿真实验及分析显示,与传统的资源组织方式相比,该组织方式可提高网格系统的性能,同时具有较好的扩展性。     

云制造环境下车间制造资源网格管理设计

针对传统车间资源管理方法不能够满足云制造环境下制造资源动态调度与配置的要求,首先提出车间制造资源网格分层结构模型,并设计出云制造环境下车间制造资源网格管理流程,在此基础上定义了由物理资源、制造能力单元和制造能力约束组成的网格基单元,研究制造资源网格管理的3个关键子过程—制造资源网格目录的设计、资源存储代理中间件的设计和资源信息查询子过程.该方法为云制造环境下的制造资源调度与配置提供了统一的资源管理机制,同时丰富了网格技术的研究内容.     

基于时间Petri网和启发式搜索的资源分配

提出了一种改进的时间Petri网计划管理模型,综合考虑调度和资源分配,以充分发挥FMS的柔性制造能力.首先根据系统理论,区分了两种资源类型:主角(主资源)和配角(辅助资源),然后再根据主资源构造FMS的时间Petri网.这种方法简化了Petri网的构造,给出了一个清晰的资源调度流程,并且辅助资源的分配可以在调度的同时利用启发式搜索算法给出.最后,给出一个改进的时间Petri网在资源受限情况下进行调度和资源分配的实例.     

LTE系统上行保证服务质量的分组调度算法

为提高资源分配过程中不同速率需求的用户间公平性,结合正比公平算法,提出一种应用于第三代合作伙伴计划长期演进系统上行链路的分组调度算法。算法按照不同用户的速率需求分配资源,并在每次调度过程中使用动态变化的权重因子,避免出现速率需求高但瞬时信道状况差的用户分配过多的资源。仿真结果表明,该算法相对于正比公平算法更好地解决了不同用户间的公平性。     

基于融合粒子群的高等数学辅助教学系统设计

为提高高等数学辅助教学的资源共享和调度水平,提出了一种基于粒子群优化算法的高等数学辅助教学系统设计。构建了高等数学教学资源融合模型,利用融合粒子群优化算法实现了高等数学辅助教学资源的自适应调度,提取了高等数学辅助教学资源的自相关特征量,通过模糊相关特征匹配和统计分析方法,实现高等数学辅助教学资源融合的自适应优化,并对粒子群优化过程中统计特征的组合进行分析和控制,实现了资源调度和信息融合,提高了高等数学辅助教学的管理能力。仿真结果表明,所设计系统的教学信息资源整合程度高,信息调度能力强,高等数学辅助教学管理水平得到提高。     

基于代理的资源请求中间件的实现

针对网格资源管理中资源请求问题,提出一种基于代理的中间件实现方案。用户作业信息和需求由客户端通过https协议传输给网格数据库,并触发网格资源请求代理做出相应的动作。基于代理的资源请求中间件负责查询资源信息服务器,为用户在整个网格中寻找合适资源,同时对用户提交的作业进行调度。网格服务端(资源提供方)动态向信息服务器注册资源信息,资源请求代理通过向信息服务器查询,可获取当前网格中的各种实时资源,也可以向网格服务端直接查询其当前的资源情况。对基于代理的中间件的工作机制和实现方法也作了说明。     

A user-oriented resource scheduling method for improving agile software pattern in cloud environment

The crowdsourcing, as a service pattern in cloud environment, usually aims at the cross-disciplinary cooperation and creating value together with customers and becomes increasingly prevalent. Software process, as a kind of software development and management strategy, is defined as a series of activities implemented by software life cycle and provides a set of rules for various phases of the software engineering to achieve the desired objectives. With the current software development cycle getting shorter, facing more frequent needs change and fierce competition, a new resource management pattern is proposed to respond to these issues agilely by introducing the crowdsourcing service to agile software development for pushing the agility of software process. Then, a user-oriented resource scheduling method is proposed for rational use of various resources in the process and maximizing the benefits of all parties. From the experimental results, the proposed pattern and resources scheduling method reduces greatly the resource of project resource manager and increases the team resource utilization rate, which greatly improves the agility of software process and delivers software products quickly in crowdsourcing pattern.     

一种求解资源受限项目调度问题的遗传算法

提出一种求解使用可更新资源的单模式资源受限项目调度问题的遗传算法．采用遗传算法对项目活动进行调度,在满足紧前关系约束和资源约束的条件下,最小化项目工期．继承了基于排列和基于优先级的编码方案的优点,提出一种新的基于优先权排列的编码方案．采用串行调度方法生成项目计划．使用PSPLIB中的标准问题库对算法进行了充分的数值实验,通过与既有算法进行比较,证明本文算法的有效性．     

基于模糊聚类的云计算集群资源调度算法

针对现有的云计算集群资源调度算法具有的负载不均衡和在线动态适应能力不强的缺点,提出了一种基于模糊聚类的云计算动态集群资源调度算法。首先,构建了云计算环境下的资源调度模型。然后采用模糊聚类对云计算集群资源进行聚类,根据节点与所有聚类中心的距离判断是否需要增减聚类数量。当新任务到来时,自动计算其到各个聚类中心的距离,将具有最小聚类距离的聚类中心分配给该任务。在Cloudsim环境下进行仿真试验,结果表明该方法能有效地实现云计算集群资源的动态调度,且较其它方法相比,具有反应实时和负载均衡的优点,是一种适合云计算环境的可行任务调度方法。