领域QoS与资源感知的物流服务动态优化组合方法

为了提高物流服务优化组合的动态性、可靠性与用户满意度,本文提出了一种基于全局服务质量(quality of service,QoS)约束分解的能够感知领域质量与资源需求的物流服务优化组合方法.该研究工作首先把学习机制引入人工蜂群算法(artificial bee colony algorithm,ABC),形成了具有自主学习能力的改进型人工蜂群算法(LABC);之后,应用学习人工蜂群算法(LABC)将全局QoS约束分解成每个物流子任务需要满足的局部QoS约束,从而将QoS感知的物流服务优化组合这一全局优化问题转化成以领域质量为依据的局部最优服务选择问题;其次,在物流服务流程执行的过程中,在感知物流任务节点对资源需求的前提下,为每一个物流任务节点选择一个具有最优领域QoS的物流服务;与已有的研究工作相比,该方法能够实现物流服务动态可靠的优化组合.最后,通过模拟实验验证了本文所提出的方法是可行有效的.      

面向传感网的服务构建与并发控制

讨论了无线传感器网络在复杂环境下的服务构建及并发控制.基于传感器网络能量、通信能力、计算存储能力等有限的特点提出了面向传感器网络的服务管理,提出了基于推理的上下文感知工作流来构建传感器网络服务.通过提取传感器数据的语义信息,实现了上层业务逻辑和底层传感器数据的松耦合,实现了传感器网络的资源重用.此外,改进了Web 服务请求的并发控制,通过服务请求的重复和冲突检测,避免重复和冲突的服务执行,实现更有效的传感器网络并发控制.     

基于优化逆问题的Web服务选择

为提高服务提供商的服务被选率,将优化逆问题应用到Web服务选择领域,提出了Web服务选择优化逆问题,描述了此问题的解决步骤,比较了割平面法和Huang法的优劣,给出了改进方法.为提高Web服务选择优化的求解效率和优度,基于Web服务选择优化逆问题,设计出Web服务选择优化算法--逆选择算法,为服务请求者提供最优或近似最优选择方案.实验结果表明:Web服务选择优化逆问题的解可有效提高服务被选率;逆选择算法可有效提高选择方案的求解效率和优度.     

应急救援物资车辆运输路线多目标优化

运用运筹学中图论及多目标优化的理论和方法建立应急救援物资车辆最佳运输路线的选择模型,并基于启发式算法求解该模型.从静态网络应急物资车辆运输路线的双目标优化问题入手,设计适合本文模型的算法,并将之推广至含有三个及三个以上优化目标的路线选择问题.引入时间扩展图的概念,将动态网络中的最佳运输路线问题转化为静态网络中的路径选择问题.算法实质是通过构造辅助决策函数实现Dijstra算法的调用,并在辅助函数构成的搜索空间上寻找最优解,是一种快速的、近似的算法.利用随机路网和真实路网测试本文算法,测试结果与本文的理论分析一致,证明本文算法在应急救援物资车辆运输路线的多目标优化问题中可行且有较好的应用效果.      

Petri网动态工作流在矿业公司OA系统中的应用

介绍动态工作流技术和Petri网络建模技术,针对当前矿业公司OA(Office Automation)系统中工作流模型不能根据实际情况进行动态改变的缺点,提出了一种基于Petri网的工作流动态修改的工作流模型,主要实现了过程建型的动态修改。通过OA系统的请假流程分析研究,利用目前先进的Petri网建模技术,实现对其进行动态修改,并利用经典Petri网的遍历树算法对迁移后实例的准确性进行验证。最后展示总结出动态工作流的具体实现方法。     

基于工作流的电力客户服务流程研究

电力客户服务中心是电力营销的窗口,它充分利用现代计算机和通讯技术,使用户可以方便地通过电话、手机等方式享受电力优质服务。供电企业也在加紧建立和完善客户服务支持系统。运用现代计算机和通信网络技术建立电力客户服务中心系统,以市场和客户服务为轴心,以方便客户为宗旨,优化重组业务流程,创新服务方式,强化监管能力,提高企业决策和管理水平。本文首先分析了电力客户体系结构,然后分析了基于工作流的电力故障报修工作流程和客户投诉举报工作流程。     

一种有向传感器网络改进粒子群覆盖增强算法

优化传感器网络覆盖对于合理分配网络的空间资源、更好地完成信息感知和采集任务、提高网络的生存能力都具有重要的意义.在分析传感器节点有向感知模型的基础上,提出了一种有向传感器网络改进粒子群覆盖增强算法.该算法针对随机部署有向传感器网络,以网络区域覆盖率为优化目标,采用改进的多步式位置可选择更新粒子群优化算法,通过调整传感器节点的主感方向,减少网络感知重叠区和感知盲区,实现覆盖增强.仿真实验表明,该算法简单、高效,优于传统的覆盖增强算法.     

一种基于上下文感知的垂直切换决策机制

针对垂直切换决策考虑的因素越来越多而增加了决策复杂性的问题,提出一种基于上下文感知的垂直切换模型,设计出由切换发起、网络过滤、网络选择3阶段组成的新的切换决策机制.通过引入网络过滤,以某项网络选择指标为依据,对当前可检测到的接入网络进行过滤,并最终实现网络选择算法中对候选网络集或者选择指标的优化.该算法可以使网络选择策略更加灵活并保障其有效性,有助于快速确定目标网络.通过应用实例分析表明,该机制具有明显性能优势.     

基于粒子群优化的过程神经网络学习算法

基于粒子群优化为过程神经元网络提出了一种新的学习算法.新算法在对网络输入函数和连接权函数进行正交基函数展开后,将网络中的结构参数和其他参数整合成一个粒子,再用粒子群优化算法进行全局优化.新算法不依赖于函数梯度信息,不需要手动调节网络结构.粒子群优化具有良好的全局优化性能和收敛性能,保证了过程神经元网络的全局学习能力和新学习算法的收敛能力,更好地发挥过程神经网络的逼近性能.两个实际预测问题的实验结果表明,基于粒子群优化的学习算法比现有的基于梯度的基函数展开方法以及误差反传神经网络模型具有更好的预测精度.     

基于粒子群优化算法和博弈论的网络学习控制系统带宽调度

研究了双层网络学习控制系统的带宽调度优化问题.为了合理分配子系统的带宽,引入了网络定价体系和动态带宽调度方法,建立了非合作博弈模型,从而将网络控制系统的网络资源分配问题转换为非合作博弈竞争模型下的Nash均衡点求解问题.在此基础上,采用粒子群优化算法得到此框架下的纳什均衡解,并进一步给出了网络控制系统的时间片调度方法.仿真结果表明了所提方法的有效性.      

Simulated Annealing–Genetic Algorithm for Transit Network Optimization

This paper presents a mathematical stochastic methodology for transit route network optimization. The goal is to provide an effective computational tool for the optimization of a large-scale transit route network to minimize transfers with reasonable route directness while maximizing service coverage. The methodology includes representation of transit route network solution search spaces, representation of transit route and network constraints, and a stochastic search scheme based on an integrated simulated annealing and genetic algorithm solution search method. The methodology has been implemented as a computer program, tested using previously published results, and applied to a large-scale realistic network optimization problem.     

ITIL技术及其在宝钢的应用

由于过程控制计算机运行维护管理的需要,宝钢建立了基于ITIL的服务管理平台,将IT运行维护管理由系统网络管理提升到服务流程管理层次。引入了ITIL的理念,通过整合人员构架、规范处理流程和明确相关职责,使原本以技术为导向的管理转变为以流程为导向的管理;变被动的“救火队”为主动的预防为主管理;使原来孤立分散的管理为企业范围内统一的、标准化的管理。以ITIL为基础的管理平台提供了规范的流程和明确的职责,将服务与业务相结合,提升了IT服务管理的水平。     

基于IPSO-BP神经网络的富氧底吹铜熔炼炉喷枪寿命预测模型

富氧底吹铜熔炼炉喷枪是整个熔炼炉中最重要的部件,并且造价高,易损坏,工作环境恶劣复杂,对其进行准确的寿命预测比较困难。提出了一种基于IPSO-BP神经网络的寿命预测模型,粒子群优化算法解决了BP神经网络容易陷入局部极小值和训练速度慢的问题,优化的粒子群算法优化了惯性权重和学习因子,进一步加快了训练速度和搜索速度,提高了BP神经网络跳出局部极小值的能力。以工作环境中容易对喷枪寿命造成影响的因素作为输入,喷枪寿命作为输出,通过实际生产采集的数据做验证,并与BP神经网络和PSO-BP神经网络预测模型作对比。结果表明,本文构建的寿命预测模型预测效果比BP神经网络和PSO-BP神经网络的预测更加准确,精度更高,该预测模型为富氧底吹铜熔炼的喷枪寿命预测提供了一种方法借鉴。     

C-RAN回传网络中下行资源调度策略

随着移动互联网技术的快速发展、无线终端设备与移动应用流量需求与日俱增,移动用户对无线通信网络的服务质量(quality of service, QoS)要求越来越高、回传网络的压力也越来越大. 新出现的云无线接入网(cloud radio access network, C-RAN)能够有效提升网络容量、提高用户服务质量,同时采用无源光网络(passive optical network, PON)作为其回传网络(backhaul),能够为其提供大带宽、高可靠、低时延的回传支撑. 在移动应用需求不断变化和回传网络资源有限的条件下,高效的资源调度策略至关重要,其能够有效的提升回传网络资源利用率、降低传输等待时延. 为节约回传网络波长资源、提高波长负载均衡性和资源利用率,提出一种下行资源调度策略. 根据高热点区域无线用户实时网络需求,综合考虑回传网络波长使用数量、负载均衡性和实时业务分配均匀度等优化目标,采用自适应权重并行遗传算法完成其优化过程,从而实现波长资源动态分配,提升网络资源利用率. 仿真结果表明,提出的下行资源调度策略能有效提高网络负载均衡性和网络资源利用率,并降低实时业务等待传输时间.      

冶金企业生产计划的最大利润流算法

以节点表示原料、在制品或成品,以弧表示工序,运用网络流描述冶金企业生产流程,将冶金企业生产计划的优化问题转化为共享资源的最大利润流问题。提出了生产计划的网络优化算法,进行了复杂性分析,并给出一个计算实例。该算法的计算结果与单纯形法的结果完全相同,但求解过程较后者简洁。     

Shuffled Complex Evolution Algorithms in Infrastructure Works Programming

Practical optimization of infrastructure preservation works programming has always posed a computational challenge due to the complexity and scale of the problem. Critical to the process is formulations in which the identity of individual projects is preserved. This requirement leads to exponential growth of solution space, often resulting in an unmanageable process using traditional analytical optimization techniques. In this paper, we propose an evolutionary-based multiyear optimization procedure for solving network level infrastructure works programming problems using a relatively new concept known as the shuffled complex evolution algorithm. A case study problem is analyzed to illustrate the robustness of the technique. The findings show convergence characteristics of the solution and demonstrate that the algorithm is very efficient and consistent in simultaneous consideration of the trade-off among various infrastructure preservation strategies. It is concluded that the robust search capability of the shuffled complex evolution technique is well suited for solving the combinatorial problems in network level infrastructure preservation works programming.     

Linear Stochastic Dynamical System under Uncertain Load: Inverse Reliability Analysis

The reliability of a linear dynamical system driven by a partially known Gaussian load process, specified only through its total average energy, is studied. A simple dynamic parallel and series system reliability network is investigated for the failure analysis using the crossing theory of stochastic processes. The critical input power spectral density of the load process which maximizes the mean crossing rate of a parallel or series system network emerges to be fairly narrow banded and hence fails to represent the erratic nature of the random input realistically. Consequently, a tradeoff curve between the maximum mean crossing rate of the reliability network and the disorder in the input, quantitatively measured through its entropy rate, is generated. Mathematically, the generation of the tradeoff curve of nondominated solutions, known as the Pareto optimal set, leads to a nonlinear, nonconvex, and multicriteria optimization problem with conflicting objectives. A recently developed Pareto optimization technique, implemented through genetic algorithm, has been successfully exploited to solve the optimization problem. A suitable exploitation of stochastic process theory circumvents the task of handling an apparent robust optimization problem (i.e., optimization under uncertainty) and at the same time, reduces the dimensionality of the multiobjective optimization scheme in view of both the multiobjectivity and constraints in the aforementioned methodology. The optimally disordered inputs which simulate the worst performance of the system of a spring-supported coupled rod assembly, has been studied as a numerical illustration of the mathematical formulation.     

Competent Genetic-Evolutionary Optimization of Water Distribution Systems

A genetic algorithm has been applied to the optimal design and rehabilitation of a water distribution system. Many of the previous applications have been limited to small water distribution systems, where the computer time used for solving the problem has been relatively small. In order to apply genetic and evolutionary optimization technique to a large-scale water distribution system, this paper employs one of competent genetic-evolutionary algorithms—a messy genetic algorithm to enhance the efficiency of an optimization procedure. A maximum flexibility is ensured by the formulation of a string and solution representation scheme, a fitness definition, and the integration of a well-developed hydraulic network solver that facilitate the application of a genetic algorithm to the optimization of a water distribution system. Two benchmark problems of water pipeline design and a real water distribution system are presented to demonstrate the application of the improved technique. The results obtained show that the number of the design trials required by the messy genetic algorithm is consistently fewer than the other genetic algorithms.