云计算环境中面向DAG任务的多目标调度算法

为了实现任务执行效率与执行代价的同步优化,提出了一种云计算环境中的DAG任务多目标调度优化算法。算法将多目标最优化问题以满足Pareto最优的均衡最优解集合的形式进行建模,以启发式方式对模型进行求解;同时,为了衡量多目标均衡解的质量,设计了基于hypervolume方法的评估机制,从而可以得到相互冲突目标间的均衡调度解。通过配置云环境与三种人工合成工作流和两种现实科学工作流的仿真实验测试,结果表明,比较同类单目标算法和多目标启发式算法,算法不仅求解质量更高,而且解的均衡度更好,更加符合现实云的资源使用特征与工作流调度模式。     

基于多平台信息复用的交通诱导若干问题的研究

交通诱导是ITS研究的一个热门话题,诱导算法是各国学者普遍关注的问题,在完整的诱导系统中,数据采集和诱导服务在实际工程中起着重要的制约作用,该问题的研究往往被人们忽略.针对这一问题,提出了一种多平台信息复用的诱导数据采集和服务机制.从诱导系统的体系框架入手,讨论了基于多平台信息复用的数据采集和处理策略,提出了空间插值的理念用来解决因建设资金不足带来的数据采集点不足的问题.针对传统诱导策略可能带来负效应的问题,提出了负效应平衡的诱导服务策略用来减缓该矛盾.最后以深圳市ITS平台建设为例,说明了多平台信息复用机制的广泛应用前景.     

处理缺失数据的短时交通流预测模型

针对交通检测中数据的缺失问题,提出了一种新的交通流综合短时预测模型,这种模型可以对交通检测中的缺失数据进行重建,并在此基础上运用改进的卡尔曼平滑算法进行短时交通流预测。该模型克服了传统的预测方法无法对检测数据的缺失进行处理的缺点,能在数据缺失时进行有效的交通流预测。通过深圳市的实际流量数据的验证,并比对传统方法,证实该方法具有较好的预测性能,模型预测精度可以保持在88%以上,具有较好的实用性。     

主动停车诱导系统的模型研究:搜索算法

提出了以综合诱导指数为核心的目标区域搜索算法,可以较好地解决目标停车场的搜索问题.综合诱导指数方法对可用泊位、可达距离、停车诱导费用和路径诱导成功率等因素进行了综合分析,以确定最为可信的停车场作为目标停车场.通过仿真试验结果表明,该算法可以克服传统停车诱导单因素决定目标停车场的不足,对目标停车场具有较好的判别能力.     

基于自适应惩罚函数的云工作流调度协同进化遗传算法

云计算为大规模科学工作流应用的执行提供了更高效的运行环境。为了解决云环境中科学工作流调度的代价优化问题,提出了一种基于协同进化的工作流调度遗传算法CGAA。该算法将自适应惩罚函数引入严格约束的遗传算法中,通过协同进化的方法,自适应地调整种群个体的交叉与变异概率,以加速算法收敛并防止种群早熟。通过4种科学工作流的仿真实验结果表明,CGAA算法得到的调度方案在满足工作流调度截止时间约束与降低任务执行代价的综合性能方面优于同类型算法。