云计算中基于改进离散粒子群优化的任务调度方案

针对云计算中现有智能任务调度算法容易陷入局部最优的问题,提出一种基于改进型离散粒子群优化(DPSO)算法的任务调度方案。对传统DPSO算法中的粒子位置更新公式中的惯性权重进行改进,使其根据迭代次数非线性递减,提高算法的搜索能力;另外,融入了随机扰动操作,避免算法陷入局部最优。实验结果表明,与传统遗传算法和粒子群算法相比,该方案能够获得最优的调度策略,有效降低任务的完成时间。     

基于异构多核机群系统的任务调度算法研究

针对多核机器构成的异构机群系统,充分利用多核机器并行性及处理核心共享二级缓存的特点,提出基于DAG图的相关任务调度算法,该算法通过三个阶段完成任务的分配及调度过程,通过对相应任务的复制减少各处理节点之间的通信开销,提升任务调度的效率和减少任务调度的长度。     

基于不同分配策略的云计算任务调度性能比较与分析

形式化描述了云计算环境下的负载均衡任务调度问题,借助动态规划方法形式化推导了最早完成时间的启发式优先分配策略,给出了基于先易后难优先分配策略、先难后易优先分配策略的启发式云计算任务调度算法。阐述了基于顺序调度策略、先易后难优先分配策略、先难后易优先分配策略等启发式任务调度算法和基于禁忌搜索策略、元胞演化策略等智能任务调度算法。针对不同分配策略的云计算任务调度进行性能比较与分析,提出了完成时间可改进百分比和资源负载平衡因子的调度性能评价指标,实验数据对比充分表明:与启发式调度算法相比,智能调度算法能减少任务执行时间,优化资源负载均衡性能。     

基于随机服务模型的云端会话的概率调度算法

对分布式环境中的多用户云端会话的任务调度而言,任务的到达过程、处理单元的状态以及网络传输等都具有不确定性,而传统的调度算法很少考虑这些不确定性。针对这一问题,研究了动态调度问题,并提出了一种概率调度算法,该算法可以提高调度速度和降低状态估计的不准确性。首先建立了排队模型,将所有到达过程组成一个多列,并且假设每个处理单元都有用于任务执行的本地队列,然后使用排队理论计算队列参数,最后基于这些参数,将该调度问题定义为一个非线性规划问题。仿真结果表明相对传统算法,文中所提算法的鲁棒性更高,且具有更快的响应时间。     

网格任务调度算法比较研究

网格任务调度是根据采集到的信息将不同的策略任务分配到其对应的资源节点上加以运行。良好的调度策略能够充分的利用系统资源并行处理能力,保证用户任务能够按期完成,对网络应用的发展具有重要意义和深远影响。首先分析了网格任务调度模型和调度策略,然后对网格任务调度算法进行了比较分析,最后给出了各种网格任务调度算法的适用范围和网格技术发展方向,为进一步研究提供参考。     

基于能量感知的实时并行任务蚁群调度算法

为提高异构平台实时任务的调度成功率、降低能量消耗,建立了实时directed acyclic graph(DAG)调度模型,提出了以降低能耗为目的的能耗模型,将蚁群算法运用于实时DAG任务调度。实验验证了蚁群算法可以高效解决能耗问题,提高调度成功率。     

基于DSPN的多处理机实时容错任务调度建模研究

目的利用确定与随机Petri网DSPN来研究多处理机容错实时任务调度过程的建模。方法采用DSPN对多处理机故障产生与修复、多处理机任务之间的容错和分布式多处理机混合任务实时容错调度过程进行建模与分析。结果基于DSPN的多处理机容错实时任务调度模型可以实现对多处理机容错实时任务调度的分析。结论基于DSPN的多处理机调度建模为多处理机系统中容错实时任务调度分析提供了一种有效的分析方法,为实际应用打下基础。     

基于优化遗传算法的多配送中心车辆路径研究

将遗传算法与模拟退火算法相结合,提出了一种基于优化遗传算法的多配送中心车辆路径调度方法,该调度方法不仅具有自适应遗传算法的强大全局搜索能力,也具有模拟退火算法的强大局部搜索能力。通过对杂交率和变异率进行自适应调整、对接受算子进行退火处理,有效地增强了全局寻优能力,通过对适应值函数退火拉伸,加速了寻优过程。     

基于QOS的Mesh网络调度算法

为了实现具有QOS约束的Mesh网络任务调度,提出了一种满足QOS需求的Mesh网络调度方法。首先描述了Mesh网络的QOS约束并给出了数据包的调度方法。然后,在业务调度上提出了2层的调度方法,即根据业务优先级对队列进行调度,然后对节点根据等待时间和任务执行时间设定优先级,从而实现任务调度。仿真实验表明:文中方法能有效地实现Mesh网络任务调度,与其它方法相比,具有较小的网络延迟和较大的优越性。     

基于云计算的调度算法

文章从云计算的优势分析入手,论述了基于云计算的调度算法。期望通过本文的研究能够对高新能算法在云计算系统任务调度中的合理运用有所帮助。     

基于遗传算法的改进K-means算法

本文对K-means算法的缺点做出了一些改进,提出了一种基于遗传算法GA-K-means的算法。利用遗传算法初始化K-means的初始聚类中心点,改进后的算法解决了K-means算法容易因为初始聚类中心的选择不同而陷入局部最优解的问题。实验表明,改进后的算法聚类结果稳定且聚类效果较好。     

基于结构式二进制编码的遗传算法在及其在BP网络中的应用

根据BP网络的拓扑特征,本文设计了基于结构式二进制编码的遗传算法,在该算法中,通过先将庞大的解空间进行分解处理,再将分解后的子空间视为个体进行遗传操作,能借助遗传算法的优势在全局范围内搜索到最优解所在的子空间,从而为下一步应用BP算法进行局部搜索明确了起点,缩小了范围,有效解决了BP算法易陷入局部极小,收敛速度慢甚至不收敛等问题,最后,通过字母识别试验证明了该算法的效率。     

基于变邻域搜索算法的多资源船舶维修项目工期优化

针对船舶维修工程存在的维修项目交叉耦合作业、维修流程复杂、资源需求量大等特点,将船舶维修调度问题归纳为在合理规划维修任务序列和多资源分配的前提下,实现维修工期最佳的多资源受限项目调度问题。为了充分剖析问题特征,首先,以维修工期为目标,以维修任务序列和资源分配为决策变量,建立多资源下船舶维修调度混合整数规划模型;其次,提出一种改进变邻域搜索算法的多资源船舶维修项目工期优化框架;最后,以50组标杆案例验证该方法的优越性,并与遗传算法、粒子群算法进行对比分析。实验结果表明,改进的变邻域搜索算法具有显著优越性,可为船舶维修计划制订提供参考。     

一种基于Free RTOS实时系统改进的时间片延迟调度算法的设计

通过对FreeRTOS同优先级任务的最后几次执行时间片进行优化,提出了改进的时间片延迟调度算法,使任务在最后几次执行时不进行时间片切换而继续运行。改进的调度算法在保证实时性的同时也大大提高了任务的执行效率,增大了系统吞吐率。     

多配送中心路径优化研究

针对冷链物流配送客户分布不均匀,导致单一配送中心压力过大、配送中心之间车辆调度不协调的问题,提出了一种改进的遗传算法求解多配送中心路径优化问题的方法。建立了基于K-m eans聚类算法与遗传算法相结合的冷链物流车辆路径优化模型。给出基于全局最优的区域划分与车辆路径协调优化策略,以实现多配送中心协同配送。最后,通过实例分析证明了该算法及优化策略可以有效地减少运输成本,提高多配送中心整体的工作效率。     

绿色云计算数据中心能耗资源调度优化关键技术研究

云计算要想顺利实现其主要功能,离不开两大基础技术,分别是资源的分配和任务调度,其中,资源的分配效果将直接影响到云计算的运行效果和处理能力。基于此,有必要针对云计算数据中心的资源调度进行优化,从而降低云计算的能耗,同时有效提高云计算的运行效率。文章分析了基于传统Map Reduce调度模型,设计并行的Map Reduce资源分配算法,进而达到良好的能耗控制效果和运行效果,取得良好的实践运行效果。     

改进模糊C均值聚类算法及锂电池配组应用

在锂电池化成管理的智能配组过程中,当处理大规模数据或锂电池结构较复杂时,速度和准确度不高。因此,提出了一种基于遗传算法与密度加权的改进模糊C均值聚类算法。首先,由遗传算法优化得到初始聚类中心。然后,将样本对象的高斯密度函数作为其权值,并采用Xie-Beni有效性指标改进目标函数。将改进的算法通过标准测试数据集Iris和锂电池配组进行实验验证。验证结果表明:本文算法改善了聚类效果,与模糊C均值聚类算法相比,锂电池配组的正确率提高了0.8%,并且计算迭代次数从14次降低到8次。     

给水管网经济调度的研究现状

本文主要介绍国内外给水管网优化调度主要计算方法模拟退火算法、枚举法、广义简约梯度法、动态规划法、遗传算法、非线性规划法、混合离散变量法、序列二次规划法等11种算法,为供水系统的经济合理调度提供参考。     

混合神经网络响应面调度法在渔船协同论证中的应用

根据响应面法近似计算在多学科优化中的特点,针对普通神经网络构造响应面方法存在的主要问题,将遗传算法和神经网络结合,设计出混合神经网络并构造了协同优化算法的响应面,在任务调度模块的支持下,可以自主地选择近似和精确计算。采用混合神经网络调度法对玻璃钢拖网渔船进行技术经济论证,结果表明,该方法能够提高优化结果的效率和鲁棒性。     

铁路纵断面优化中改进遗传算法的研究

本文介绍了标准遗传算法的设计流程及特点,提出一种基于全局最优的改进式遗传算法。采用实数编码设计,引进满意度理论构建适应度函数,采用改进的启发式交叉算子和多种算子混合操作,加快算法向最优解收敛的速度,预设两种终止准则。