不确定环境下的产业链生产与配送协同调度优化

为有效整合产业链内部资源,提升产业链竞争优势,对产业链生产与配送协同调度优化问题进行了研究,分析问题涉及的3个价值环节,建立其数学模型,并针对调度中存在的生产不确定性问题,进行模型的不确定性补偿,在此基础上,提出一种基于随机模拟、模糊推理、神经网络、启发式算法融合的不确定规划最优化系统。基于该系统,对不确定规划中存在的随机性、并发性与模糊性进行拟合,并通过启发式寻优求解出不确定环境下产业链生产与配送协同调度问题的最优方案。通过对不同规模问题实例进行仿真实验,结果表明所构造的系统可较好地拟合调度过程中的不确定环境,在此基础上可得出适应性强的方案解,解的质量明显优于生产与配送协同调度遗传算法和生产与配送阶段优化算法。     

面向QoS与成本感知的云工作流调度优化

为有效提升云工作流服务质量,降低运营成本,对云工作流调度优化问题展开研究。分析问题涉及的不同主体与调度环节,建立面向服务质量与成本感知的云工作流调度模型,并针对问题模型不同阶段的调度策略展开剖析,依据阶段策略特征设计调度方案的编码规则,在此基础上提出一种基于任务序列划分的两段式编码遗传算法。该算法以租户流程租约和虚拟机实例负载为约束,通过两段式交叉、变异算子进行种群的迭代进化,以实现对云工作流服务费用与云资源使用成本的调度优化。通过对不同规模的问题实例进行仿真实验,结果表明所构造算法的解质量明显优于两类基于任务与虚拟机映射编码的遗传算法。