网络计算中任务分配与调度的遗传算法研究

任务分配与调度是网络计算中的一项关键技术 ,直接影响到整个系统的计算性能。任务分配与调度问题是一类NP问题 ,经典调度理论一般仅能获得问题的近似最优解。尽管已有用于任务分配与调度的遗传算法求解质量优于传统方法 ,但传统单种群遗传算法的效率随任务数增多而下降。本文采用理论分析与仿真实验相结合的方法 ,研究网络计算中单任务和独立多任务分配与调度的遗传算法。本文首先针对同构系统中任务分配与调度问题提出一个通用的遗传算法。算法直接采用任务列表编码结构 ,在此基础上设计出三个专门的遗传算子 ,即改进的交叉算子、内部交…     

使用混合邻域搜索算法求解多目标柔性JSP问题

通过对实际车间调度问题及邻域搜索算法的研究,针对传统遗传算法存在着一些缺陷,对多目标柔性JSP(车间调度)问题提出了基于遗传算法,并结合多种邻域搜索算法形成的一种新的混合邻域搜索算法。该算法基于相似度和免疫机制来构造初始解的策略,在遗传算子中提出了一种自适应的变异交叉概率,并在选择算子中结合模拟退火算法策略和免疫机制。经过实验结果表明,该混合邻域搜索算法提高了算法搜索的效率,并很好地解决了JSP问题。     

一种变形杂交算子——轮转杂交算子

杂交算子是遗传算法的三个基本算子之一,它在改进解群质量方面发挥着重要作用。现有遗传算法的杂交算子通常选择两个个体组成母本进行杂交运算。该文提出了一种选择三个个体组成母本进行轮转杂交的思想,文章称这种新的杂交算子为轮转杂交算子。首先通过理论分析证明,它能够扩大遗传算子搜索子空间,使收敛结果更趋于最优解。然后将其用于分布式系统任务调度问题,模拟结果说明是可行的。     

基于遗传算法的网格资源分配与调度研究

合理的资源调度可以在很大程度上提高网格系统资源的利用率,遗传算法（GA）因具有强大稳健的隐并行解空间搜索功能,被广泛应用于任务分配和调度问题的求解。本文在研究标准遗传算法（SGA）的基础上,提出与小生境技术相结合的自适应选择概率、父子竞争（PCC）交叉算子、插入变异算子和最优保存策略,改进SGA算法,在很好地保持种群收敛性的同时,提高了算法的局部和全局搜索能力。仿真实验结果表明,本文算法与其它调度算法比较,更能有效地实现资源的分配,可以成功应用于网格环境下独立任务的分配与调度。     

遗传算法在考虑能耗的单机批调度中的应用

能耗总成本已成为生产调度中一个重要考虑因素,需要在最大完成时间和能耗总成本之间进行权衡,论文将遗传算法（GA）应用到考虑能耗的单机批调度中,并建立同时优化最大化完成时间和最小化能耗总成本的差异工件单机批调度模型.通过遗传算法在考虑能耗（CEC）和不考虑能耗（IEC）下求出非支配解集,利用工件分批的优化和对遗传选择算子的改进,以保证搜索的效率.实验结果表明,与IEC相比,在CEC下使用遗传算法求出的解效果更好,且随着问题规模的增大和工件加工功率的增加,所得解的优势更加明显.     

浮点遗传算法中一种新的杂交算子

为了提高浮点遗传算法在优化计算时向最优解收敛的速度, 提出了一种新的遗传算子 :代间差分杂交算子. 通过应用于非线性参数估计的仿真计算, 表明了这种杂交算子的有效性及其相对于普通杂交算子的优点.     

遗传聚类算法改进及其仿真

针对k-means算法与遗传聚类算法结合时,在其运行过程中算法易于早熟的现象,给出了一种改进的基于遗传进化的聚类算法,将k-means算法与遗传算法二者结合,并通过双种群混合方式构造初始种群,而两种群的不同来源于其各自个体构造方式的不同.适当设计遗传算子作用种群后,于进化群体中选择最优个体,以其对应各分量作为k-means算法的初始中心点,并由该个体执行k-means操作达到数据源的最终聚类之目的.仿真实验表明,该算法是一个有效的遗传聚类方法.     

基于遗传算法的分布式测控系统任务分配与调度

相关任务分配与调度是分布式测控系统中的出了一种新的分布式任务分配与调度算法,即先寻求最优分配方案,再在此基础上寻求最优调度方案,从而使任务分配与调度方案最优.此算法不仅保证了任务的相关性,而且算法的实现清晰明了.文中详细介绍了遗传算子的设计.     

基于蚁群-遗传融合框架的仓储群机器人任务分配

将智能仓储中的自主移动群机器人订单任务分配,建模成群机器人协同调度的多目标优化问题,将成员机器人完成拣货任务的路径代价和时间代价作为优化目标.设计了蚁群-遗传算法融合框架并在其中求解.该框架中,蚁群算法作为副算法,用于初始种群优化;遗传算法改进后作为主算法.具体地,在遗传算法轮盘赌选择算子后引入精英保留策略,并在遗传操作中加入逆转算子.针对不同数量的订单任务,使用不同规模的群机器人系统进行了任务分配仿真实验.结果表明,在本文所提的融合框架中求解,较分别使用蚁群算法或遗传算法单独求解,性能上具有明显优势,能够发挥蚁群算法鲁棒性好和遗传算法全局搜索能力强的特点,提高智能仓储系统的整体运行效率.     

并行混合遗传算法在车间调度问题的应用

结合先后表编码和完全活动调度概念,设计了基于先后表的完全活动调度算法PLFA,该算法能将可行解与不可行解转化为完全活动调度。并将PLFA算法与遗传算法结合,提出了一种并行混合遗传算法,初始种群由PLFA G-T算法产生,其产生的解都是完全活动调度,采用LOX的交叉算子与基于PLFA G-T算法的变异算子,并使用主从模型的并行遗传算法模型。最后JSP基准实例验证了算法的有效性。