基于免疫算法的对等网络任务调度

针对用于任务调度的遗传算法所存在的缺陷,提出了基于免疫算法的对等网络环境下的任务调度策略。首先定义了对等网络任务调度的相关问题,然后分别构造了考虑负载均衡和种群多样性的种群初始化算子和克隆选择算子,并设计了新颖的自适应变异算子和具有先验知识的疫苗,同时给出了对等网络节点的获取和管理策略。在此基础上,利用所提出的任务调度策略,完成了任务调度过程。实验结果验证了调度策略的有效性。     

基于排队理论的对等网络任务调度模型

为更好地满足不同用户对服务质量的要求,更好地利用计算资源,提出了可进行仟务划分的调度模型.首先根据对等网络环境下的任务需求状况,将任务分为实时任务与非实时任务;然后根据任务调度的特点和所存在的任务类型,并利用排队理论,分别描述了两种不同的任务调度模型,进而给出任务调度规则和排队规则.通过实验,分析了任务调度模型对不同算法的影响,表明了进行任务划分和引入排队机制的有效性.     

对等网络环境下基于相似度的任务调度策略研究

为消除对等环境下任务调度过程中的"颠簸"现象,减少网络开销,提出了能有效利用网络资源的基于相似度的任务调度算法.通过计算现行任务与历史任务之间的相似度,来确定能够直接调度的节点;通过计算任务需求资源与节点可提供资源的相似度并利用传输时间因素对其进行修正,以获取满足任务需求的有序节点集合.在此基础上,利用所提出的任务调度算法,完成任务调度过程.实验结果表明,基于相似度的任务调度算法能够有效地减少任务调度过程中的"颠簸"现象,缩短任务执行时间.     

基于改进的免疫克隆算法的PID参数优化

依据PID控制器的控制原理,结合人工免疫算法和克隆选择原则,提出了一种新的基于周期变异的免疫克隆算法,并基于此算法在线优化PID控制参数,仿真结果表明控制输出能快速平稳地跟随期望输出值,系统响应可以获得良好的实时性、稳定性和较高的控制精度。     

对等网络环境下多目标约束的并行任务调度策略研究

对等网络环境的特点决定了其任务调度性能是受多个因素制约的。鉴于任务执行时间、节点间的通信时间和任务调度费用等因素,提出了多目标约束的并行任务调度策略。首先给出了多目标任务调度的数学模型,利用任务需求与节点性能之间的关系来定义各目标的需求关系矩阵;然后利用隶属度函数将各个关系矩阵转化为模糊矩阵,并根据每个目标对最终目标的不同影响来确定各目标在最终决策中所占的比率,从而将多目标转化为单目标任务调度模型,在此基础上利用匈牙利算法对n个任务m个节点的最优分配问题进行求解。实验结果表明,基于多目标约束的任务调度模型较传统的方法更能优化任务调度的性能。     

基于改进自适应遗传算法的网格任务调度算法

针对网格环境动态多变性的特点,对网格环境任务调度中的遗传算法进行研究,提出一种改进的自适应遗传算法.通过对影响遗传算法行为和性能的关键参数交叉概率与变异概率进行分析,提出利用自适应思想以及表征调度性能的种群适应度对交叉概率和变异概率合理选取的自适应遗传算法,使交叉概率和变异概率能随种群适应度自动调节、改变.试验结果表明,改进的自适应遗传算法能使网格任务调度具有较好的种群自适应度,从而表明该方法的有效性.     

基于改进克隆选择算法的机械臂运动学逆解

针对常规方法无法有效求解冗余机械臂逆运动学问题的不足,提出一种基于改进克隆选择算法的机械臂运动学逆解求解方法.该算法采用底层进化与顶层进化相结合的多策略混合协同进化机制,使得算法具有较强的种群多样性保持能力,从而有效避免了算法早熟收敛现象的发生.采用经典的基准测试函数验证了所提算法的可行性与有效性,实验结果表明该算法具有收敛速度快、收敛精度高、稳定性好以及计算成本低等优势.以平面冗余机械臂运动学逆解的求解为例进行对比实验,仿真结果表明:所提出的改进算法获得了100％的运动学逆解寻优成功率,是一种有效的冗余机械臂逆运动学求解方法.     

基于PDM平台的任务调度技术研究

提出将专家系统和网络计划技术引入到产品数据管理系统中进行智能化任务调度，在提出人员一任务模型的基础上，进一步研究了专家系统在产品数据管理内任务分解中的应用方法，探讨了网络计算技术在任务进度安排中应用的技术路线，提出了任务分配的数学模型。     

基于改进精英克隆选择算法的B样条曲线逼近方法

时间同步是多智能体网络协同工作的基础,具有重要意义。低成本无线传感器网络节点时钟易受到环境因素的影响,导致节点时间同步误差增大,网络信道负载增加。针对上述问题,提出了一种低时钟再同步周期、自适应温度补偿的无线传感器网络时间同步方法。首先,基于双向通信时间同步模型,提出了温度补偿的节点频移量动态估计模型;然后,采用Almon函数加权求和的方式对温度和频移量数据进行融合,解决数据采样率不匹配和模型维度高的问题;其次,为进一步提高时间同步精度,采用Kalman滤波器对频移量和相移量估计值进行滤波,并采用系统状态后验估计值对节点本地时间进行补偿;最后,参照IEEE 802.15.4标准对时间同步精度的要求,设计了一种失效风险最小化的再同步决策函数,最大限度提高节点再同步周期,减少信道负载。在高低温箱、室内和室外3种环境下进行实验以验证所提的方法。试验结果表明,与洪泛时钟同步协议(FTSP)时间同步协议相比,自适应温度补偿的时间同步(ATCTS)算法平均时间同步误差降低了97.4%,室外环境下平均时间同步周期为324 min。     

非结构化对等网络环境中基于超级路径的信任汇聚模型

目前的信任管理模型大多数局限于结构化的对等(Peer-to-Peer)模型,而在非结构化的对等网络环境下,如何能有效地获取节点的全局信任,并对其进行管理已成为当前的研究热点.本文提出了一种将本地信任汇聚于目标节点的邻居节点,并通过超级路径来获得目标节点的全局信任值的信任管理模型SuperpathTrust,较好地解决了非结构化对等网络中信任数据聚集和存储的问题,通过一系列仿真实验,表明该模型信任值计算的准确度高,开销小,与信任管理模型EigenTrust相比,能迅速识别网络中的恶意节点,大大降低恶意交易概率.     

面向云计算环境任务调度的改进蚁群算法

云计算环境下的任务调度问题是一个NP完全问题,其目的是在各个处理节点上合理分配任务,优化调度策略以保证有效完成任务。以总任务完成时间最短和计算成本最低为优化目标,针对蚁群优化算法易陷入局部最优的缺陷,提出了一种求解该问题的改进蚁群算法。该算法将遗传算法的二点交叉算子融入到蚁群优化算法中,以提高蚁群优化算法的局部搜索能力。通过在云仿真平台Cloud Sim上进行仿真实验,结果表明改进蚁群算法缩短了总任务完成时间,降低了计算成本,从而证明了该算法能有效地解决云计算环境下的任务调度问题,并且其优化能力和收敛速度优于蚁群优化算法和改进离散粒子群算法。     

基于多Agent的多任务协作时间调度算法研究

为了合理安排多任务合作中的时间,设计了基于多Agent通信的多任务协作时间调度算法,实现了额外代价最小化和窗口时间内完成任务最大化。其中,算法的求解过程利用了0-1背包问题的最优值和最优解;对0-1背包问题的求解利用了改进的编码和进化的遗传算法,提高了运算的准确性。多任务协作时间调度算法的应用,有效地最小化了系统的额外代价,实现了多Agent系统的优化。     

基于免疫遗传算法的工艺设计与调度集成

为实现工艺设计与调度的并行分布式集成，建立了工艺规程调度仿真优化的数学模型，确定了模型的决策空间、目标函数及约束条件。提出了一种协同进化免疫遗传算法，用以同时优化零件的备选工艺规程组合和调度方案，通过工艺种群及调度种群的相互促进，实现协同进化，依据抗体的亲和力及抗体浓度来保持群体的多样性，根据抗体的激励度来进行免疫选择，采用最优解保持策略，确保算法的收敛性，考虑编码特点，工艺抗体采用均匀交叉及随机扰动变异，而调度抗体采用均匀顺序交叉及倒位变异。通过对10台设备10种零件的实例仿真，验证了算法的有效性。     

基于对等网络的集成交换网络技术研究

为有效地实现协同作业环境中企业应用系统间的信息集成,提出了一种集成交换网络技术。该技术通过构建十字交叉的信息交换矩阵,为进行信息交换的应用实体间建立起面向领域的一对多的广播式信息传送通道,提高了信息集成的效率和可操作性。在集成交换网络中,采用对等网络技术建立数据路由服务,采用Webservices封装建立主动式数据泵。集成交换网络技术使共享的资源具有更强的适用性和主动性,并能有效地缩短资源获取时间,提高数据集成效果。