面向双目标应急物资调度的改进差分进化算法

本文对应急物资调度模型的建立及求解该模型的优化算法进行了研究.首先,在资源受限情况下,以配送费用总成本最小和最大缺失损失最小为优化目标,建立了连续消耗问题的多供应点对多受灾点的应急物资调度模型.然后,通过引入DE/best/1变异策略与DE/rand/2变异策略对差分进化算法进行了改进,提出了一种基于双变异策略的改进差分进化算法,将Pareto非支配等级分层与拥挤距离的概念引入到改进差分进化算法中,对约束双目标调度模型进行求解.最后,通过两种不同规模的四组仿真实验,验证了本文提出模型及改进的差分进化算法的可行性和有效性.与基本差分进化算法对比,双变异策略的改进差分进化算法对相同应急物资调度问题进行求解时,得到了更多的Pareto前沿解个数,和较低的应急物资调度配送费用成本与较小的最大缺失损失,同时解分布的广泛性也得到了显著提高.     

基于双种群模糊引力搜索算法的舰载机甲板作业调度

舰载机甲板作业调度问题是一类具有NP-hard特性的资源受限多项目调度问题.首先,分析舰载机甲板作业调度问题的工序流程约束和各类资源约束,构建舰载机甲板作业调度混合整数规划模型.然后,基于基本引力搜索算法,提出双种群模糊引力搜索算法用于模型求解.算法采用基于作业时序修正的优先数编码,并采用双种群交替迭代结构,将基于个体的双向对齐技术扩展到种群层面,基于串行调度生成机制产生调度方案.为了提高算法性能,采用边界修正策略修正越界粒子编码,在引力计算阶段,采用模糊逻辑控制策略进行参数自适应控制.最后,通过案例仿真和算法对比验证了双种群模糊引力搜索算法的有效性,所提出的算法适合求解大规模的舰载机甲板作业调度问题.     

求解多目标作业车间调度问题的混合变异杂草优化算法

针对多目标作业车间调度问题,提出一种混合变异杂草优化算法。该算法采用基于各子目标熵值权重的欧氏贴近度作为适应度值计算方法,引导种群向Pareto前端进化。在进化过程中,运用快速非支配排序策略构建Pareto档案,并利用进化种群中最优个体实时更新Pareto最优解集,提升算法的优化性能;同时通过引入变异算子增加种群多样性,避免算法陷入局部最优。最后,基于Benchmark算例的仿真实验,验证了该算法求解多目标作业车间调度问题的有效性。     

一种改进的多目标约束优化差分进化算法

提出一种新的多目标优化差分进化算法用于求解约束优化问题.该算法利用佳点集方法初始化个体以维持种群的多样性.将约束优化问题转化为两个目标的多目标优化问题.基于Pareto支配关系,将种群分为Pareto子集和Non-Pareto子集,结合差分进化算法两种不同变异策略的特点,对Non-Pareto子集和Pareto子集分别采用DE/best/1变异策略和DE/rand/1变异策略.数值实验结果表明该算法具有较好的寻优效果.     

改进遗传算法的并行任务调度

并行任务调度是一个NP完全问题,它关注资源的分配和并行任务调度,要求具有高性能的调度算法,且能求解出高质量的解。提出了一种基于改进遗传算法的并行任务调度算法,在算法初始化种群产生时引入任务向量矩阵来表示任务、资源以及调度的关系,并采用启发式方法得到初始化种群,提高种群质量;采用规则约束的交叉和变异操作,提高个体的质量;提出了加速进化策略,有效地避免了早熟。仿真实验结果表明,该改进算法能更有效地求解并行任务调度问题。     

采用双变异策略的自适应差分进化算法及应用

为了克服差分进化算法早熟收敛和寻优精度低的缺点,提出一种采用双变异策略的自适应差分进化算法（Adaptive Differential Evolution Algorithm using Double mutation strategies,DADE）。DADE引入基于种群相似度和中心解的双变异策略,有效平衡了算法的全局搜索和局部搜索;自适应交叉概率使种群个体向更新成功的个体学习,有利于后续种群的进化。在7个测试函数和3个电力系统动态经济调度（Dynamic Economic Dispatch,DED）问题上的优化结果表明,DADE算法与其他4种DE算法相比具有更强的全局寻优能力,且对电力系统动态经济调度问题的优化结果优于文献中所报道的结果。     

动态选择与替换策略的多目标约束优化进化算法

提出一种基于动态选择与替换策略的多目标优化进化算法用于求解约束优化问题.新算法首先将约束优化问题转化为两个目标的多目标优化问题,基于Parto支配关系,把初始种群分为Pareto子集和Non-Pareto子集,引入一种非劣个体保护偏好策略,动态选取一定比例的最优非劣个体直接进入下一代群体,剩下的非劣个体随机替代Pareto子集中的个体.Pareto子集和Non-Pareto子集分别进行单形交叉和多样性变异操作产生新的子种群.对13个标准测试问题的数值实验结果表明新算法的有效性.     

资源约束项目的改进差分进化参数控制及双向调度算法

针对资源约束项目调度组合优化难题,提出一种改进的动态差分进化参数控制及双向调度算法.通过参数时变衰减与个体优劣评价,自适应控制个体进化参数,提高算法的收敛性能、勘探与开发最优解的能力;基于动态差分进化(Dynamic differential evolution, DDE),提出一种双向调度算法,使用满足任务时序约束的优先数编码、交替正向反向调度,结合标准化编码调整与精英保留的种群随机重建策略,建立了一种高效稳健的双向编码调整机制.通过著名的项目调度问题库(Project scheduling problem library, PSPLIB)中实例集测试,并与其他文献算法比较最优解平均偏差率,验证了所提算法的有效性与优越性.     

基于混合策略的双种群约束优化算法

提出一种基于混合策略的双种群约束优化算法.利用双种群存储机制处理约束条件,并采用约束支配更新不可行解集,同时采用混合策略进化种群:在进化前期利用Deb准则产生可行解,并保留一部分非劣不可行解参与进化,保持种群多样性;在进化后期让最优个体和次优个体参与进化,使种群快速收敛.仿真实验结果表明,所提出的算法在保证种群多样性的同时,能够较好地收敛到全局最优解,且鲁棒性较好.     

面向约束超多目标优化的双阶段搜索策略研究

解决约束超多目标优化问题的关键在于约束处理和均衡收敛性与多样性，搜索空间中的约束阻碍种群寻找Pareto前沿面，容易使种群陷入局部最优，而离散的可行域则使种群的多样性较差。提出组合算子型双阶段搜索策略（two-stagesearch strategy with combined operator,TSCO）。TSCO分两阶段处理约束：一阶段算法仅优化目标函数，种群不受约束制约快速向Pareto前沿面方向接近；二阶段通过目标转换将约束违反度视作一个新目标函数以解决原始约束问题。在搜索过程中使用模拟二进制交叉算子和DE/current-to-pbest/1算子构成的组合算子生成收敛性和多样性优秀的个体。为验证策略有效性，结合TSCO策略的AGE-MOEA(TSCOEA)在C＿DTLZ、DC＿DTLZ和MW测试集上同4种性能优异的约束超多目标进化算法进行对比。实验表明，在大多数问题上，TSCOEA获得的种群收敛性和多样性更好。     

机器柔性度对柔性车间调度影响的研究

针对资源柔性与调度效果关系研究匮乏的问题,提出了采用资源－能力矩阵对资源柔性分布进行表示的方法和机器资源柔性程度的度量方法,建立了机器资源柔性约束下的作业车间调度问题模型,采用改进双种群蚁群算法进行求解。案例证明了机器资源柔性程度对调度效果的影响,为构建柔性制造系统提供了指导意见。     

基于鞍点法的自适应分布式资源分配算法

研究一类带有不等式约束为凸函数的多智能体系统分布式资源分配问题.在资源分配问题中,各智能体拥有仅自身可知的局部成本函数和局部凸不等式约束.分布式资源分配旨在如何利用智能体间的信息交互设计一种分布式优化算法,完成定量资源分配的同时还保证最小化全局成本函数.针对该问题,基于卡罗需-库恩-塔克条件和比例积分控制思想,首先提出一种自适应分布式优化算法,其中凸不等式约束的对偶变量可实现自适应获取;然后,为了降低系统的通信资源消耗,设计一种动态事件触发控制策略以实现离散时间通信的分布式资源分配算法;最后,通过数值仿真验证所设计算法的有效性.     

一种自适应指导的文化粒子群算法

针对文化粒子群算法中影响函数对群体空间的全局变异操作,易导致粒子群算法结构失效及不易收敛的缺点,将群体适应度方差引入到群体空间,提出一种自适应指导的文化粒子群算法。算法通过计算群体适应度方差判断群体空间状态,当算法陷入局部最优时,自适应地利用影响函数对群体空间进行变异更新,从而有效发挥了文化粒子群算法“双演化双促进”机制。将该算法与基本粒子群算法（PSO）、文化粒子群算法（CPSO）和自适应变异粒子群算法（AMPSO）进行比较,实验结果证明该算法不仅具有较好的全局收敛性,算法收敛速度和稳定性也都有显著提高。     

基于OpenCL的双GPU基数排序算法

为提高基数排序算法在异构并行平台下的资源利用率和算法加速比,提出基于OpenCL的双GPU基数排序算法。通过研究并行基数排序思想,以Y485P作为实验平台,使用OpenCL技术首先实现单GPU的基数排序算法,之后实现负载平衡的双GPU基数排序。测试结果表明,在使用单GPU时加速比为1.3x,使用双GPU时加速比为2.32x。     

云计算环境下利用改进遗传算法结合二次编码的大规模资源调度方法

针对传统遗传算法无法满足多用户下的大规模云计算环境下的资源调度问题,提出利用改进遗传算法结合二次编码的方法解决大规模资源调度。首先,在选择复制阶段,采用基于最小任务完成时间和匹配程度的双适应度函数,对种群以双重标准进行筛选。然后,对算法的交叉变异概率进行了自适应优化,使其自适应能力进一步提高,保证了算法尽快向最优解收敛。同时引入的收敛终止条件保证了算法尽快跳出循环。最后,在CloudSim平台上对改进遗传算法（IGA）进行了分析,实验结果表明,提出的改进遗传算法能够很好地适用于大规模资源调度,且结果优于其他几种较新的对比算法。     

On the Performance of a Dual-Objective Optimization Model for Workflow Applications on Grid Platforms

In attempts to exploit a diverse set of resources in grids efficiently, numerous assays in resource management, particularly scheduling, have been made. The primary objective of these efforts is the minimization of application completion time; however, they tend to achieve this objective at the expense of redundant resource usage. This paper investigates the problem of scheduling workflow applications on grids and presents a novel scheduling algorithm for the solution of this problem. Our algorithm performs the scheduling by accounting for both completion time and resource usage—dual objectives. Since the performance of grid resources changes dynamically and the accurate estimation of their performance is very difficult, our algorithm incorporates rescheduling to deal with unforeseen performance fluctuations effectively. The paper provides a comparative evaluation study conducted by using an extensive set of experiments. The study demonstrates that the proposed algorithm delivers promising performance in three respects: completion time, resource utilization, and robustness to resource-performance fluctuations.     

基于改进分组遗传算法的虚拟机放置研究

为了提高云计算的资源利用率以及减少能耗,采用改进的分组遗传算法来解决虚拟机放置的效率.通过对遗传算法的交配和突变等过程进行重新设计,提高遗传算法过程中优秀基因遗传给后代的几率,并提出了相应的算法,达到快速求解虚拟机放置问题的目的.实验结果表明,该算法可以快速采用最少的物理机来放置虚拟机,有效地提高了虚拟机放置问题的求解速度.     

带软时间窗的旅行商问题的双种群遗传算法

论文运用双种群遗传算法求解带软时间窗的旅行商问题,通过加入带有时间窗约束条件的惩罚函数,初始化两个种群,分别选择不同的交叉、变异概率。每次迭代后,交换种群间的优势个体所携带的遗传信息,以打破种群内的平衡状态,跳出局部最优解。双种群遗传算法比标准遗传算法显著提高了全局收敛性能。实验结果比较显示,该算法行之有效,具有较好的性能。     

InSAR双星编队测绘卫星任务规划方法研究

针对双星编队干涉合成孔径雷达(Interferometric Synthetic Aperture Radar, InSAR)测绘任务的特点,考虑双星编队卫星平台的约束条件,采用多目标优化和基于优先级的遗传优化算法,实现了双星编队任务规划的各个关键步骤的设计,并对测绘任务进行了系统仿真,求取了测绘任务规划结果,最终获得了任务规划的最优解。经过与贪婪优化算法仿真结果对比分析,采用的基于优先级的遗传优化任务调度算法在双星编队卫星测绘任务优化问题求解方法方面具备明显的优势,卫星系统资源分配效能达到最优,对卫星资源的合理分配起到了关键作用。